Print

基于噪声点检测的中值滤波图像去噪算法

论文摘要

图像在形成和传输过程中,常因外界噪声干扰而导致图像质量下降。为减小噪声影响,各种线性、非线性滤波方法被使用。由于良好的去除脉冲噪声性能,中值滤波类非线性滤波方法被广泛使用。然而,简单的中值滤波对图像中的所有像素点进行滤波。去除脉冲噪声的同时,常常会出现图像细节的过平滑。因此,保护细节的中值类滤波算法的研究成为图像去噪领域一个重要的问题。本文主要研究了基于噪声像素检测的中值滤波算法。论文主要包括了两个方面的工作。首先,基于图像的空间结构信息提出了一种自适应模糊中值滤波器,用于去除受污染图像中的脉冲噪声,仿真显示这种算法不仅可以有效的去除噪声,而且更好的保留了图像细节。其次,在阈值平均排序滤波算法(TNOM)的基础上分析其推广结构,改进了TNOM算法,得到了一种新的中值滤波算法,并对这种算法进行了初步分析。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 研究背景
  • 1.1.1 图像滤波概述
  • 1.1.2 中值滤波器的研究现状
  • 1.1.3 滤波效果评价
  • 1.2 本文的主要工作及结构安排
  • 第二章 数字图像处理的基本知识
  • 2.1 引言
  • 2.2 图像处理的基本理论
  • 2.2.1 图像的分类
  • 2.2.2 图像的类型
  • 2.2.3 图像去噪技术的研究现状及意义
  • 2.2.4 图像的数字化
  • 第三章 中值滤波器的基本理论
  • 3.1 引言
  • 3.2 一维中值滤波原理
  • 3.3 二维中值滤波原理
  • 3.4 中值滤波的主要特性
  • 第四章 一种有效去除脉冲噪声的新方法
  • 4.1 引言
  • 4.2 有效去除脉冲噪声的中值滤波方法
  • 4.2.1 噪声检测
  • （2）'>4.2.2 修正f（2）
  • 4.2.3 噪声滤波
  • 4.3 实验结果及分析
  • 4.4 本章小结
  • 第五章 基于噪声点检测的中值滤波方法
  • 5.1 引言
  • 5.2 基本概念
  • 5.3 D-S理论的基本原理
  • 5.4 用于去除两种类型脉冲噪声的方法
  • 5.5 实验结果及分析
  • 5.6 本章小结
  • 总结和展望
  • 致谢
  • 参考文献
  • 研究生在读期间的研究成果

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/b286d58b9b2d28440d54a52b.html