几种数字图像滤波算法

论文摘要

在数字图像处理中,由于受到成像方法的限制,图像中的边缘、细节特征等重要信息常湮没于噪声信号中,给图像的后继处理如边缘检测、图像分割、图像匹配等带来很大的影响。因此对含噪声图像进行适当的预处理是图像处理中的一个重要问题,对于改善图像质量具有重要的意义。图像去噪是图像预处理中一项应用比较广泛的技术,其作用是为了提高图像的信噪比,突出图像的期望区域。图像降噪归根到底是利用噪声和信号在频域上分布的不同进行的。信号主要分布在低频区域,而噪声主要分布在高频区域,同时图像的细节也分布在高频区域。传统的空域或频域去噪算法往往在滤除噪声的同时也滤除了图像中的边缘信息,破坏了图像的细节。因此如何在滤除图像噪声的同时较好地保持边缘纹理细节,成为人们广泛关注的热点问题。 本文的主要研究工作可分为以下两方面: 第一,基于非线性空域滤波技术,结合多尺度多方向的模板,提出一种自适应的保细节算法。该算法不仅保持了模板在保留图像细节方面的优势,而且利用图像灰度梯度直方图的统计特征,将整幅图像分割为若干个子图像,再根据各个子图像的特性,并结合全局梯度特征信息自适应的生成动态阈值,比较好地解决了以往阈值选取的困难,提高了图像平滑的自动化程度。 第二,基于传统的偏微分方程的算法,提出加入对大曲率边界点进行线性模板匹配的改进,比较有效地解决了传统的Perona非线性扩散方程在滤波去噪时模糊图像中的大曲率边界点的缺陷。 本文始终遵循理论联系实践,理论实践并重的研究思路,不仅对算法小学校的理论基础和滤波原理作了较详细的论述,而且对不同的算法均使用Matlab语言设计了相关的程序对仿真图像进行验证。实验结果表明,本文提出的两种改进算法较传统算法均有性能上的提高,既可有效去除噪声,又能较好地保持边缘纹理等细节特征。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 图像与数字图像处理
• 1.2 研究图像去噪处理的意义
• 1.2.1 对图像去噪处理的意义
• 1.2.2 研究图像去噪方法的意义
• 1.3 图像去噪的技术背景及国内外研究现状
• 1.4 本文内容安排和创新点
• 第二章 图像噪声分析
• 2.1 引言
• 2.2 图像噪声分类
• 2.3 图像噪声的衡量
• 2.4 图像加噪的数学方法
• 2.5 图像去噪的一般步骤
• 2.6 图像去噪效果的评价方法
• 2.6.1 主观评价法
• 2.6.2 客观评价法
• 第三章 空间域图像去噪方法
• 3.1 引言
• 3.2 几种常用空间域图像去噪方法介绍
• 3.2.1 邻域平均法
• 3.2.2 空间域低通滤波法
• 3.2.3 多幅图像平均法
• 3.3 中值滤波
• 3.3.1 传统的中值滤波算法
• 3.3.2 加权中值滤波算法
• 3.4 本章小结
• 第四章 基于自适应阈值的保细节平滑滤波器
• 4.1 引言
• 4.2 研究背景
• 4.3 传统的Nagao滤波器
• 4.3.1 基本思想
• 4.3.2 对模板的选择
• 4.4 自适应的动态阈值算法
• 4.4.1 对传统的图像灰度梯度计算方法的改进
• 4.4.2 自适应的动态阈值生成算法
• 4.5 对于模板的选择
• 4.6 基于自适应阈值的平滑滤波器
• 4.7 实验结果和分析
• 4.8 本章小结
• 第五章 基于各向异性扩散的非线性滤波技术
• 5.1 引言
• 5.2 基于各向异性扩散方程的滤波去噪原理
• 5.2.1 各向异性扩散方程的引入
• 5.2.2 去噪原理
• 5.3 各向异性扩散方程的离散形式
• 5.3.1 空间离散和时间离散
• 5.3.2 Perona滤波扩散方程的离散形式
• 5.3.3 各向异性扩散方程的离散形式
• 5.4 滤波停止时间
• 5.5 本章小结
• 第六章 一种结合线性模板的非线性扩散平滑方法
• 6.1 引言
• 6.2 一种用于图像去噪的非线性抛物型方程
• 6.3加入线性模板的改进算法
• 6.3.1线性模板的选取
• 6.3.2匹配方法
• 6.4实验结果和分析
• 6.5本章小结
• 第七章结束语
• 参考文献
• 攻读研究生期间主要研究成果
• 致谢