数字图像中椒盐噪声的滤波算法研究

论文摘要

数字图像在其形成、传输和记录过程中,由于成像系统、传输介质和记录设备的不完善往往使得获取的图像受到多种噪声的污染。其中,椒盐噪声对图像质量破坏最大,即使少量的噪声也会极大地破坏图像的细节。因此在模式识别、计算机视觉、图像分析和视频编码等领域,噪声图像的前期处理极其重要,其处理效果的好坏将直接影响到后续工作的质量和结果。图像去噪的目的就是要削弱噪声,提高信噪比,保护边缘和细节信息。在这一方面,非线性滤波器比线性滤波器更有效。传统的中值滤波器作为一种基于统计排序的非线性滤波器,能有效消除图像中的椒盐噪声,同时保护边缘和细节信息。另外,由于中值滤波技术实现容易,速度快,所以得到广泛应用。为了提高滤波性能,人们研究出了许多改进型的中值滤波算法。本文首先介绍了噪声模型,滤波基础知识。然后,分析椒盐噪声滤波方法的研究进展,归纳出目前的滤波技术主要有开关技术、加权中值技术和加权均值技术等,并对一些重要算法进行详细介绍和实验对比。最后,提出了三种新的算法,分别是基于极值和直线检测的椒盐噪声滤波算法、基于直方图信息的自适应去除椒盐噪声算法、自适应控制迭代的随机值脉冲噪声滤波算法。其中,基于极值和直线检测的椒盐噪声滤波算法在滤除椒盐噪声时能保护图像中一像素的黑、白细线。基于直方图信息的自适应去除椒盐噪声算法在针对理想模型的椒盐噪声滤波时,能得到比大多数算法更好的滤波效果,滤波过程无需设定参数,自适应性强,对噪声率达0.8和0.9的噪声污染图像也能较好地恢复。自适应控制迭代的随机值脉冲噪声滤波算法针对随机值脉冲噪声特点采用开关滤波思想,将算法分为噪声检测、噪声滤除、误检像素修正和迭代控制四个步骤,使新算法更适合随机值脉冲噪声的滤除。与中值滤波算法进行实验比较,在滤除随机值脉冲噪声时,该算法滤波后图像细节信息保护较好,滤波过程无需设定迭代参数,自适应性强。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的目的和意义
• 1.2 本文所做的工作和内容按排
• 第二章 基础理论
• 2.1 噪声模型
• 2.2 空域滤波基础
• 2.2.1 线性滤波器
• 2.2.2 非线性滤波器
• 2.3 图像质量评价标准
• 2.3.1 主观评价方法
• 2.3.2 客观评价方法
• 第三章 椒盐噪声滤波方法的研究进展
• 3.1 均值滤波
• 3.2 中值滤波
• 3.3 加权中值滤波
• 3.4 开关中值滤波
• 3.4.1 极值中值滤波算法（EM）
• 3.4.2 极值检测滤波算法（EDM）
• 3.5 自适应中值滤波
• 3.6 加权均值滤波
• 3.7 实验与小结
• 第四章 一种基于极值和直线检测的椒盐噪声滤波算法
• 4.1 引言
• 4.2 算法原理及实现
• 4.2.1 算法原理
• 4.2.2 算法实现
• 4.3 实验与结果分析
• 4.4 本章小结
• 第五章 基于直方图信息的自适应去除椒盐噪声算法
• 5.1 引言
• 5.2 椒盐噪声下图像的直方图
• 5.2.1 直方图的定义
• 5.2.2 椒盐噪声下图像直方图的性质
• 5.3 滤波算法
• 5.3.1 噪声检测
• 5.3.2 噪声点的滤除
• 5.4 实验与结果分析
• 5.5 本章小结
• 第六章 自适应控制迭代的随机值脉冲噪声滤波算法
• 6.1 引言
• 6.2 随机值脉冲噪声
• 6.3 滤波算法
• 6.3.1 噪声检测
• 6.3.2 噪声滤除
• 6.3.3 误检像素修正
• 6.3.4 迭代控制
• 6.4 仿真实验及结果分析
• 6.5 本章小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 附录
• 参考文献
• 致谢