基于小波变换和中值滤波的图像去噪方法研究

发布时间：2020-02-11 04:42

【摘要】：在数字化信息时代,信息的传递不再只是通过文字,而是图像信息占据了主流。图像信息在存储或者传输的过程中会被各种各样的噪声干扰,若直接对含噪图像信号进行后续的图像处理工作,不能获得较好的处理效果。为了从含噪图像中提取更多的有用信息,满足后续更高层次处理的需要,在后续处理之前对图像去噪是必要的。本文主要研究了如何利用小波变换和中值滤波技术对含有高斯噪声和脉冲噪声的图像进行有效滤波,主要工作包括以下几个方面:(1)对图像去噪的研究背景和意义、国内外研究现状、噪声的分类、图像去噪后的质量评价方法和常用的图像去噪方法以及几种改进型的中值滤波方法进行了详细的介绍。(2)在常规中值滤波、极值中值滤波和自适应中值滤波的基础之上,提出了一种新的中值滤波改进算法,介绍了其基本原理和算法步骤,并使用该算法进行了实验仿真,结果表明该滤波算法不仅具有较好地图像去噪效果,而且还能较好地保护图像细节。(3)对小波图像去噪原理及其方法进行了详细地介绍,并对小波阈值去噪方法进行了重点分析。同时对小波阈值去噪方法过程中阈值函数和阈值的选取等关键问题进行了详细的讨论,提出了一种比较新颖的阈值函数和阈值进行去噪。仿真结果表明,该算法具有较好地去噪效果。(4)针对含有混合噪声的图像进行去噪,结合中值滤波与小波滤波分别在去除脉冲噪声和高斯噪声中的优点,提出了将改进后的中值滤波和小波阈值去噪方法相结合的去噪方法。实验仿真表明,此方法比单一滤波效果要好,并且更具有实用性和有效性。
【图文】：

开关结构,中值滤波,噪声点,中值滤波算法

图 1-1 开关结构中值滤波方法原理图开关结构中值滤波和中值滤波相同，主要应用于去除脉冲噪声，去噪过程主要分为两步：首先对图像信息进行脉冲噪声的检测，即根据某一标准来判断图像中像素点是否为噪声点；其次是滤除噪声，它只对前一步已经判定为是噪声点的像素点进行处理，非噪声点保持原灰度值不变，即不做任何处理。为了更有效地滤除脉冲噪声，除了开关结构中值滤波之外，研究学者们提出了各种不同改进的中值滤波算法。在这众多的滤波算法中，，大部分算法都在寻找一种能够有效准确检测出噪声的方法。而且开关结构中值滤波也为本文所提出的中值滤波改进算法提供了思想，奠定了基础。为了改善标准中值滤波的不足，研究人员提出了许多改进和优化的新算法。例如索俊祺（2010）提出了基于中值滤波的优化滤波算法(ISM)，辛月兰（2011）提出了快速并行中值滤波算法(FPMF)等算法。快速并行中值滤波算法(FPMF)提高了中值滤波算法的效率，但是经过该算法处理后的图像的峰值性噪比并没有得到提高。基于中值滤波的优化滤波算法(ISM)对含噪高的图像容易产生漏检和误检，将非噪声点判断为了噪声点，并且滤波算法没有做太多改进。还有其他学者

小波去噪,等效图

成都理工大学硕士学位论文第 4 章小波变换的基本理论与小波去噪上个世纪 80 年代初，Morlet 和 Arens 等人首次提出“小波变换”的概念，主要利用“小波变换”从地震反射信号中提取有用的石油信息。小波分析的出现是必然的，这是因为各种各样的科学领域信号处理的需要。通过几十年的发展，小波变换的理论日臻完善。小波分析作为一种新的时频分析工具，其早已成功地广泛应用于地震勘探数据处理、军事电子对抗与武器的智能化、图像处理和医学成像与诊断等方面，尤其在图像处理方面取得了突破性的进展，因此小波分析具有理论深刻和应用十分广泛的双重意义。小波分析在时域和频域都有表征信号局部信息的能力，这就是小波分析特有的多分辨率特点。小波去噪方法属于变换域去噪方法，可以将小波去噪方法看作低通滤波，在滤除噪声的同时能够提取特征信息，可以最大程度的恢复原信号。小波去噪的等效图如图 4-1 所示。
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【参考文献】