图像滤波方法的探讨及其MATLAB实现

论文摘要

图像复原或滤波技术的发展己经历了约40年的历史,现代图像复原技术的应用领域非常广泛.。在图像成像、复制、扫描、传输、显示等过程中,不可避免地要造成图像降质,如图像模糊、噪声的干扰等。而在许多应用领域中,又需要清晰的、高质的图像,因此,图像复原(如去噪、去模糊等)具有重要的意义。图像复原是对降质图像进行处理,改善给定的图象质量,使其恢复成没有退化的理想图像。它是图像处理、模式识别、机器视觉的基础,并在天文学、遥感成像、医疗图像等领域获得广泛的应用。在图像处理领域,图像复原是最重要、最基本的研究课题之一,具有重要的理论价值和实际意义。本文首先叙述了图像复原或图像滤波的概念,讨论了图象退化的数学模型及图像的噪声。图像去模糊和图像去噪声是图像复原中的两个主要问题,传统的图像复原方法,归纳起来大致可分为逆滤波代数方法、以及空域滤波方法。逆滤波法大致有经典逆滤波法、维纳滤波法、卡尔曼滤波法等。代数方法可分为伪逆法、奇异值分解伪逆法、维纳估计法和约束图像复原法等。本文探讨了经典逆滤波法、维纳滤波法、及带有约束最小平方图像复原法。由于图像的大部分信息存在于边缘部分,因此要求图像滤波既能去除图像的模糊和噪声,同时又能保持图像的细节。而中值滤波器是基于排列统计理论的一种能有效抑制噪声的非线性图像处理技术,它的优点是运算简单而且速度较快。中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果。但对一些细节多,特别是点、线、尖顶细节较多的图像不宜采用中值滤波的方法。本文采用优化、改进的中值滤波来解决这些问题,以得到高质量的复原图像。

论文目录

• 摘要
• Abstract
• 第一章 图像复原或图像滤波概述
• §1.1 图象退化的数学模型
• §1.1.1 点冲击函数的退化模型
• §1.1.2 连续图像退化模型
• §1.1.3 离散图像的退化模型
• §1.2 图像的噪声
• §1.2.1 噪声的特征
• §1.2.2 噪声的分类
• §1.2.3 降质图像中的噪声模型
• §1.3 衡量图像复原效果的几个参数
• 第二章 图像复原方法和模型
• §2.1 逆滤波（去卷积）
• §2.2 最小二乘方滤波
• §2.3 有约束的最小平方恢复
• 第三章 中值滤波器
• §3.1 中值滤波器的概述
• §3.2 中值滤波器的算法
• §3.3 中值滤波器的特点
• §3.4 加权的中值滤波
• 第四章 优化的、改进的中值滤波方法
• §4.1 基于极值的中值滤波图像去噪方法
• §4.2 其它的优化的改进的中值滤波图像去噪方法
• §4.2.1 CS滤波
• §4.2.2 LUM滤波
• 第五章 小结
• 附录
• 参考文献
• 致谢