基于改进切尾均值和小波变换的图像去噪算法研究

发布时间：2022-02-16 05:24

　　图像是人类日常交流的一种信息载体。清晰度高的图像可以更好地传递信息,帮助人们了解事物的内在规律及事物之间的联系。然而,图像在采集、接收和保存等过程中不可避免地会受到噪声的影响,造成图像数据损坏,严重影响人们的工作和学习。为了获得所需要的信息,图像去噪便成为图像数据处理的关键技术。通常图像中的噪声并不只是单一类型的,而是由高斯噪声和脉冲噪声混合而成的,不同的位置呈现出不同的噪声。实际预处理中的去噪算法通常仅针对高斯噪声或者脉冲噪声,因此并不能达到很好的去噪效果。本文重点研究针对脉冲噪声的切尾均值和针对高斯噪声的小波阈值函数的改进。在脉冲噪声和高斯噪声混合污染图像中,先检测噪声,然后利用改进的切尾均值和改进的小波阈值函数对图像进行去噪。具体工作总结如下:首先,简单概述了图像噪声的分类及常见噪声模型,介绍了传统图像去噪方法,包括:空域滤波、频域滤波及最优线性滤波,并对小波阈值函数的原理进行了阐述。其次,重点研究改进切尾均值、小波变换及脊波变换。分析了切尾均值的不足,切尾均值主要对图像中的脉冲噪声进行去噪处理,其主要原理是通过对数据进行排序,去掉数据中最大值和最小值,然后对剩下的数据求均值。但... 

【文章来源】：西安电子科技大学陕西省211工程院校教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图像去噪模块图

H (线性系统)与一个加性噪声 ( x, y)的联合作用，这样便可产生退化图像 g ( x, y )，最后通过复原滤波器对噪声图像进行滤除。图2.1 图像噪声模型图2.1.1 图像噪声的分类噪声是图像信息中的一种信号，不必要的或者冗余的干扰信息称为图像噪声，而图像噪声是人们在现实或者模拟图像中不需要的部分。然而，噪声和信号有着密切联系，它们不是相互独立的单个个体，人们可以通过信号特性来研究噪声，如果在理想情况下，即噪声是独立的，可以直接研究噪声特性。生活中，噪声一般都被认为是一种不确定的随机出现的未知现象，主要采用概率论与统计的方法来研究。通过大量监测数据进行信息分析，我们把不受时间影响的噪声称之为平稳噪声，反之则称为非平稳噪声，通常情形中，信号也具有未知的随机性[27]。依据噪声产生的原因

到很好的去噪效果。1.脊波变换的去噪原理在图像去噪处理过程中，第一步对图像进行 Radon 变换，将图像中的直线映射成Radon 域的一个点，然后对变换后的图像进行奇异性检测，第二步在 Radon 域中进行小波变换从而获得小波系数，上述过程便是脊波变换。而脊波逆变换，首先对小波系数进行小波逆变换，这时就将图像又变换到了 Radon 域，再将 Radon 域的系数通过Radon 逆变换恢复图像。2.脊波变换去噪过程脊波变换去噪主要是在小波阈值函数去噪基础上的去噪。首先，将含噪图像进行Radon 变换，获得 Radon 变换矩阵；然后对 Radon 矩阵进行小波分解，获得小波分解系数矩阵；利用小波阈值函数去噪算法对小波系数矩阵去噪；将去噪后的矩阵进行小波逆变换处理；再将逆变换后获得的矩阵进行 Radon 逆变换，进而获得去噪后的图像。由于脊波逆变换会产生“环绕”现象，因此，最后还需对去噪后的图像采用维纳滤波来消除“环绕”现象[30]。具体过程如图 2.2 所示：

【参考文献】：
期刊论文
[1]基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法[J]. 马良慧,李东兴,张华强,杜钦君,常晓刚.  光学技术. 2017(01)
[2]基于小波变换和均值滤波的图像去噪[J]. 宋清昆,马丽,曹建坤,韩笑.  黑龙江大学自然科学学报. 2016(04)
[3]基于新阈值函数的小波阈值去噪算法[J]. 王蓓,张根耀,李智,王静.  计算机应用. 2014(05)
[4]新阈值函数下的小波阈值去噪[J]. 王瑞,张友纯.  计算机工程与应用. 2013(15)
[5]基于改进小波阈值函数的指纹图像去噪[J]. 黄玉昌,侯德文.  计算机工程与应用. 2014(06)
[6]常用图像去噪算法的比较与研究[J]. 王民,文义玲.  西安建筑科技大学学报(自然科学版). 2010(06)
[7]数字图像去噪方法的比较与研究[J]. 仲崇丽.  中国新技术新产品. 2010(15)
[8]切尾统计算法的优化及应用[J]. 孙东振,史瑞芝,张振华,宋芳,王艳林.  中国印刷与包装研究. 2010(02)
[9]消除图像中混合噪声的滤波方法[J]. 许春和,张宇,孙广明.  计算机与信息技术. 2009(Z1)
[10]消除图像中混合噪声的滤波方法[J]. 许春和,张宇,孙广明.  计算机与信息技术. 2009 (Z1)



本文编号：3627579