2022年滤波图像降噪算法研究报告 .docx

《2022年滤波图像降噪算法研究报告 .docx》由会员分享，可在线阅读，更多相关《2022年滤波图像降噪算法研究报告 .docx（22页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用争论生课程论文基于滤波的图像降噪算法的争论课程名称专业文献阅读与综述 姓名张志化 学号 1200214006 专业模式识别与智能系统 任课老师钟必能开课时间 2022.9 2022.11 老师评阅看法：论文成果 评阅日期课程论文提交时间： 2022 年 11 月 11 日名师归纳总结 - - - - - - -第 1 页,共 13 页精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用基于滤波的图像降噪算法的争论摘要 ：图像在猎取和传输过程中,往往受到噪声的干扰,而降噪的目的是尽可 能保持原始信

2、号主要特点的同时除去信号中的噪声；目前的图像去噪方法可以将 图像的高频成分滤除,虽然能够达到降低噪声的成效,但同时破坏了图像细节；边缘特性是图像最为有用的细节信息,本文对邻域平均法、中值滤波法及维纳滤 波法的图像去噪算法进行了争论分析和争论；关键词 ：滤波；图像噪声；图像降噪算法；评判方法；1 引言 数字图像处理,就是利用数字运算机或其他数字硬件,对图像信息转换而来 的电信号进行某种数字运算,以提高图像的有用性,进而达到人们所要求的某种 预期成效 1；数字图像处理已经广泛应用于遥感、工业检测、医学、气象、侦 查、通信、 智能机器人等众多学科与工程领域中；数字图像处理技术的优点主要有：1）再现性

3、好；数字图像处理不会因图像的储备、传输或复制等一系列变换 操作而导致图像质量的退化；只要图像在数字化时精确地表现了原稿,就数字图 像处理过程始终能保持图像的真实再现；适用面宽；图像可以来自多种信息源；从图像反映的客观实体尺度看,可以小到电了显微镜图像,大到航空照片、遥感图像甚至天文望远镜图像；这些 来自不同信息源的图像只要被变换为数字编码形式后,均是用二维数组表示的灰 度图像组合而成,均可用运算机来处理；4敏捷性高；由于图像的光学处理从原理上讲只能进行线性运算,极大地限 制了光学图像处理能实现的目标；而数字图像处理不仅能完成线性运算,而且能 实现非线性处理,即凡是可以用数字公式或规律关系来表达

4、的一切运算均可用数 字图像处理实现；名师归纳总结 - - - - - - -第 2 页,共 13 页精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用5信息压缩的潜力大；数字图像中各个像素是不独立的,其相关性大；在图像画面上,常常有很多像素有相同或接近的灰度；就电视画面而言,同一行中相邻两个像素或相邻两行问的像素,其相关系数可达0.9以上,而相邻两帧之间的相关性和帧内相关性相比,一般来说相邻两帧之间的相关性仍要大些；因此,图像处理中信息压缩的潜力很大；在连续图像转换为数字图像的取样量化过程中,不行防止地会产生量化噪 声,此外,图像传感器物理器件自身的灵敏度质量、图像传

5、输和猎取过程中的外 在环境影响,都会存在肯定程度的噪声干扰,降低了数字图像的质量；图像去噪 的争论意义主要表现在：1噪声的存在影响着主观视觉成效；人眼对图像噪声特殊是图像平整区的 噪声特别敏锐；严峻的噪声将会使图像产生变形,失去其本质数据特点；2噪声会降低图像数据的质量和精度,将会影响后续图像边缘检测及图像 识别的精确率；因此,去除图像噪声的影响是图像预处理的一个关键步骤,对后续的图像分割、特点提取、图像识别等更高层次的处理具有直接的影响；2 图像滤波降噪的争论现状 图像处理中,输入的是质量低的图像,输出的是改善质量后的图像；常用的 图像处理方法有图像增强、复原、编码、压缩等；光学相干层析成像

6、是近些年来 进展较快的一种层析成像技术；由于其对生物组织无辐射损耗、具有微 M 级的 辨论率、高探测灵敏度和越来越快的扫描速率等优点,在医学诊断病变组织方面,特殊是对生物组织活体检测具有迷人的应用前景；由于噪声干扰的存在,这 些生理信号可能失真；甚至面目全非,这给图像信息带来了难度；因此,就必需 对含噪图像进行处理,改善图像质量；最大程度上显现信号本身的特点 2；在所处理的图像中,相邻像素的灰度之间大多具有很高的相关性,也就是 说,一幅图像中大多数像素的灰度差别不大；由于这种灰度相关性的存在,一般 图像的能量主要集中在低频区域中,只有图像的细节部分的能量才处于高频区域中；由于在图像的数字化和传

7、输中常有噪声显现,而这部分干扰信息主要集中在 高频区域内,所以消去噪声的一般方法是衰减高频重量或称低通滤波,但与之同 时带来的负面影响是图像的细节也有肯定的衰减,从视觉成效上来看图像比处理 前模糊；一个较好的去噪方法应当是既能消去噪声对图像的影响又不使图像细节 变模糊；为了改善图像质量,从图像中提取有效信息,必需对图像进行去噪预处理；依据噪声的名师归纳总结 - - - - - - -第 3 页,共 13 页精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用频谱分布的规律和统计特点以及图像的特点,显现了多种多样的去噪方法；经典去噪方法 有：空间域合成法、频域合成法和最优

8、线性合成法等；与之相适应的显现了很多应用方法：如均值滤波器、中值滤波器、低通滤波器、维纳滤波器、最小失真法等；这些方法广泛应用,促进数字信号处理的极大进展；3 数字图像的噪声分析3.1 图像噪声的概念噪声可以懂得为“ 阻碍人们感觉器官对所接收的信源信息懂得的因素” ；例如一幅黑白图片,其平面亮度分布假定为,那么对其接收起干扰作用的亮度分布 即可称为图像噪声；但是,噪声在理论上可以定义为“ 不行预测,只能用概率统计方法来熟悉的随机误差” ；因此将图像噪声看成是多维随机 过程是合适的,因而描述噪声的方法完全可以借用随机过程的描述,即用其概率 分布函数和概率密度分布函数；但在很多情形下,这样的描述方

9、法是很复杂的,甚至是不行能的；而实际应用往往也不必要；通常是用其数字特点,即均值方 差,相关函数等；由于这些数字特点都可以从某些方面反映出噪声的特点；目前大多数数字图像系统中,输入图像都是采纳先冻结再扫描方式将多维图 像变成一维电信号,再对其进行处理、储备、传输等加工变换；最终往往仍要在 组成多维图像信号,而图像噪声也将同样受到这样的分解和合成；在这些过程中 电气系统和外界影响将使得图像噪声的精确分析变得特别复杂；另一方面图像只 是传输视觉信息的媒介,对图像信息的熟悉懂得是由人的视觉系统所打算的；不 同的图像噪声,人的感觉程度是不同的,这就是所谓人的噪声视觉特性课题；图像噪声在数字图像处理技术

10、中的重要性越来越明显,如高放大倍数航片的 判读, X 射线图像系统中的噪声去除等已经成为不行缺少的技术步骤；3.2 图像噪声的分类 图像噪声按其产生的缘由可以分为：外部噪声,即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪 声；如电气设备,天体放电现象等引起的噪声；内部噪声：一般又可分为以下四种：1）由光和电的基本性质所引起的噪声；如电流的产生是由电子或空穴粒子 的集合,定向运动所形成；因这些粒子运动的随机性而形成的散粒噪声；导体中 自由电子的无规章热运动所形成的热噪声；依据光的粒子性,图像是由光量子所名师归纳总结 - - - - - - -第 4 页,共 13 页精选学习资料 - -

11、- - - - - - - 个人资料整理 仅限学习使用传输,而光量子密度随时间和空间变化所形成的光量子噪声等；2）电器的机械运动产生的噪声；如各种接头因抖动引起电流变化所产生的 噪声；磁头、磁带等抖动或一起的抖动等；3）器材材料本身引起的噪声；如正片和负片的表面颗粒性和磁带磁盘表面 缺陷所产生的噪声；随着材料科学的进展,这些噪声有望不断削减,但在目前来 讲,仍是不行防止的；4）系统内部设备电路所引起的噪声；如电源引入的沟通噪声；偏转系统和 钳位电路所引起的噪声等；图像噪声从统计理论观点可以分为平稳和非平稳噪声两种；在实际应用中,不去追究严格的数学定义,这两种噪声可以懂得为其统计特性不随时间变化

12、的噪 声称其为平稳噪声；其统计特性随时间变化而变化的称其为非平稳噪声；3.3 常见噪声我们常见的噪声有高斯噪声,泊松噪声,椒盐噪声,这几种噪声的仿真图如 图 1；原始图像 加高斯噪声图像加泊松噪声图像 加椒盐噪声图像图 1 几种常见噪声仿真图高斯噪声是指它的概率密度函数听从高斯分布即正态分布）的一类噪声；名师归纳总结 - - - - - - -第 5 页,共 13 页精选学习资料 - - - - - - - - - 一个高斯随机变量个人资料整理仅限学习使用其中代表灰的表达式可表示为度,是的均值,是的标准差；高斯噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程,在图像中加高斯噪声

13、通常会使图像变得模糊且会显现细小的斑点,使图像变得不清晰；泊松噪声是指它的概率密度函数听从泊松分布的一类噪声；在随机过程的一个周期内,泊松分布的统计模型是其中 k 表示单位时间内随机大事的个数,既是随机大事的均值,也是其方差；所以泊松过程有其方差等于均值的性质,即；因此,泊松分布的信噪比定义为,也就是说,在由泊松噪声构成的图像中,其信噪比跟泊松噪声自身均方根成正比；椒盐噪声是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗 点 噪 声 , 往 往 由 图 像 切 割 引 起 ； 它 是 指 两 种 噪 声 , 一 种 是 盐 噪 声 salt noise）,另一种是胡椒噪声 对于数字图像

14、场合设为原参考图像,为其降质图像,逼真度可定义为归一化的均方误差值NMSE： 另外一种常用的峰值均方误差 PMSE： 3-4 式中, A 为的最大值；有用中仍常采纳简洁的形式；此时,对于 8 比特精度的图像, A=255,M、N 为图像尺寸；峰值均方误差 PMSE 也被表示成等效的峰值信噪 PSNR：3-5）主观评判和客观评判这两种图像质量评判标准有各自的优缺点；由于人眼视名师归纳总结 - - - - - - -第 7 页,共 13 页精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用觉特性的精确模型仍没有完全建立起来,因此主观评判标准仍只是一个定性的描述方法,不能作

15、定量描述,但它能反映人眼的视觉特性；峰值信噪比能够对图像质量给出定量的描述；它是一种数学上统计的处理方法,其缺点是它并不是总能反映人眼的真实感觉；一种折衷的方法是在衡量图像“ 去噪” 算法的优劣时,将主观与客观两种标准结合起来考虑；5 图像滤波去噪算法5.1 邻域平均法邻域平均法是最简洁的空间域处理方法,它属于线性低通滤波器；这种方的基本思想是利用几个像素灰度的平均值来代替每个像素的灰度；假定一幅个像素的图像,平滑处理后得到一幅图像,就有4-1）其中,是 点邻域中点的坐标的集合,但其中不包括 点 是集合内坐标点的总数；式 4-1）说明,平滑化的图像 中的每个像素的灰度值均由包括在 点的预定邻域

16、中的 的几个 像素的灰度值的平均值来打算 11；例如, 可以以点 为中心,取单位距离构成一个邻域,其中点的坐标集合为4-2）图2给出了 2种从图像阵列中选取邻域的方法；图a）的方法是一个点的邻域,定义为以该点为中心的一个圆的内部或边界上的点的集合；图中像素间的距离为,选取为半径的情形下构成的点的邻域,挑选在圆的边界上的点和在圆内的点位的集合；图2 在数字图像中选取邻域的方法名师归纳总结 - - - - - - -第 8 页,共 13 页精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用处理结果说明,上述挑选邻域的方法对抑制噪声是有效的,但是随着邻域的加大,图像的模糊程

17、度也会愈加严峻,为克服这一缺点,可以采纳阈值平均所产生的模糊效应；基本方法由下式打算：4-3）式中 就是规定的非负阈值；这个表达式的物理概念是,当一些点和它的邻域内的点的灰度的平均值的差不超过规定的阈值时,就仍旧保留其原灰度值不变；假如大于阈值时就用它们的平均值代替点的灰度值8；这样就可以大大降低模糊程度；5.2 中值滤波法中值滤波是一种非线性信号处理方法,与其对应的中值滤波器也就是一种非线性滤波器；中值滤波器于1971 提出并应用在一维信号时间序列分析中,后来被二维图像信号处理技术所引用4；它在肯定条件下可以克服线性滤波器,对此序列进行中值滤波,就是从输入序列中相继抽出 m 个数, , ,

18、, ,其中 为窗口的中心位置,再将这 m 个点按其数值大小排列,取其序号为正中间的那作为输出；用数学公式表示为 : 4-4 例如：有一个序列为0 ,3,4,0,7 ,就中值滤波为重新排序后的序列名师归纳总结 0 ,0,3,4,7 中间的值为 3；此例如用平均滤波,窗口也是取5,那么平均滤第 9 页,共 13 页- - - - - - -精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用波输出为；因此平均滤波的一般输出为 : 4-5 对于二维序列进行中值滤波时,滤波窗口也是二维的,但这种二维窗口可以有各种不同的外形,如线状、方形、圆形、十字形、圆环形等；二维数据 的中值

19、滤波可以表示为 : 为窗口 4-6 在实际使用窗口时,窗口的尺寸一般先用3 再取 5 逐步增大,直到其滤波效果中意为止；对于有缓变的较长轮廓线物体的图像,采纳方形或圆形窗口为宜,对于包含尖顶角物体的图像,相宜用十字形窗口；使用二维中值滤波最值得留意 的是保持图像中有效的细线状物体；与平均滤波器相比,中值滤波器从总体上来名师归纳总结 说,能够较好地保留原图像中的跃变部分10；第 10 页,共 13 页- - - - - - -精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用图 3 对几种信号进行中值滤波示例 窗口 m=5）5.3 维纳滤波法20 世纪 40 岁月,维纳

20、奠定了关于正确滤波器争论的基础；即假定线性滤波器的输入为有用信号和噪声之和,两者均为广义平稳过程且知它们的二阶统计特性,维纳依据最小均方误差准就滤波器的输出信号与需要信号之差的均方值最小）,求得了正确线性滤波器的参数,这种滤波器被称为维纳滤波器；在维纳研 究的基础上,人们仍依据最大输出信噪比准就、统计检测准就以及其他正确准就求得的正确线性滤波器9；实际上,在肯定条件下,这些正确滤波器与维纳滤波器是等价的；因而,争论线性滤波器时,一般均以维纳滤波器作为参考；维纳滤 波是 40 岁月在线性滤波理论方面所取得的最重要的成果；利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法, 194

21、2 年美国科学家维纳为解决对空射击的掌握问题所建立从噪声中提取引 号波形的各种估量方法中,维纳滤波是一种最基本的方法,适用于需要从噪声中分别出的有用信号是整个信号波形）,而不只是它的几个参量,如图4 所示；设维纳滤波器的输入为含噪声的随机信号；期望输出与实际输出之间的差值 为误差,对该误差求均方,即为均方误差；因此均方误差越小,噪声滤除成效就越好；为使均方误差最小,关键在于求冲激响应；假如能够满意维纳霍夫方程,就可使维纳滤波器达到正确12 ；依据维纳霍夫方程,正确维纳滤波器的冲激响应,完全由输入自相关函数以及输入与期望输出的相互关函数所打算；图 4 维纳滤波去除背景噪声设计维纳滤波器的问题,可

22、归结为从维纳-霍夫积分方程中解出未知函数；的拉普拉斯变换就是所要打算的维纳滤波器的传递函数；对于一般问题,维纳 -霍夫方程往往不易求解；但当给定问题的随机过程的功率谱密度是有理分式函数时,的显式解就可比较简洁地定出；依据求得的即可构造所需的维纳滤波器,而信号的最优估值就可由相应关系式定出；名师归纳总结 - - - - - - -第 11 页,共 13 页精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用维纳滤波器的优点是适应面较广,无论平稳随机过程是连续的仍是离散的,是标量的仍是向量的,都可应用；对某些问题,仍可求出滤波器传递函数的显式 解,并进而采纳由简洁的物理元件

23、组成的网络构成维纳滤波器；维纳滤波器的缺 点是,要求得到半无限时间区间内的全部观看数据的条件很难满意,同时它也不 能用于噪声为非平稳的随机过程的情形,对于向量情形应用也不便利；因此,维 纳滤波在实际问题中应用不多；7 总结在当代高度信息化的社会里,图形和图像在信息传播中所起的作用越来越 大；所以,排除在图像采集和传输过程中而产生的噪声,保证图像受污染度最 小,成了数字图像处理领域里的重要部分；本文的主要工作就是争论三种常用去 噪方法：邻域平均法、中值滤波法、维纳滤波法原理,利用 Matlab 仿真软件对 三种方法编写代码,对一张图片做去噪处理,得出以下结论：1）均值滤波是典型的线性滤波,对高斯

24、噪声和泊松噪声的抑制是比较好 的,但对椒盐噪声的抑制作用不好,椒盐噪声仍旧存在,只不过被减弱了而已；2）中值滤波是常用的非线性滤波方法,对椒盐噪声特殊有效,取得了很好 的成效,而对高斯噪声成效不佳；3）维纳滤波对高斯噪声和泊松噪声有明显的抑制作用,相对与均值滤波和 中值滤波,维纳滤波对这三种噪声的抑制成效更好,缺点就是简洁失去图像的边 缘信息；如图像中含有多种类型噪声,可把几种去噪方法结合起来使用；另外,在利 用上述方法去噪声时成效越好,图像就越模糊,所以在对图像的处理过程中要二 者兼顾；对图像的去噪用一种滤波方法是不能达到要求的,在实际应用过程中往 往采纳几中方法结合来滤去噪声；参考文献1

25、王慧琴 .数字图像处理 M. 北京 :北京邮电高校出版社 , 2006 名师归纳总结 - - - - - - -第 12 页,共 13 页精选学习资料 - - - - - - - - - 个人资料整理 仅限学习使用2 刘直芳 ,王运琼 ,朱敏.数字图像处理与分析 M. 北京:清华高校出版社 .2006 3 郑阿奇 ,曹弋 .MATLAB 有用教程 ,4445J运算机工程与设5 李奇等 .数字图像清晰度评判函数争论 J.数争论光子学报 ,2002,6:34 6 孙宏琦 ,施维颖 ,巨永峰 .利用中值滤波进行图像处理 版） ,2003,2:2627J长安高校学报 :5859J.郑州轻工业学院学9 许冠军 .数字图像去噪算法争论 D. 浙江高校 ,2006:46 10 章毓晋 . 图像工程 其次版） M . 北京 : 清华高校出版社 ,2007 11 阮秋琦 ,阮宇智 .数字图像处理 其次版） M. 北京:电子工业出版社 ,2003 12 姚天仁 ,孙洪.现代数字信号处理 M. 武汉:华中科技高校出版社 ,2002 名师归纳总结 - - - - - - -第 13 页,共 13 页