文档介绍：——:羇莂蚀肀蚅蒂肁蒈论文成绩蒄薂评阅日期蒂芀蒇蚁课程论文提交时间:2013年11月11日蕿蚈基于滤波的图像降噪算法的研究芆摘要:图像在获取和传输过程中,往往受到噪声的干扰,而降噪的目的是尽可能保持原始信号主要特征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效果,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研究分析和讨论。螁关键词:滤波;图像噪声;图像降噪算法;评价方法;羀莀1引言肅数字图像处理,就是利用数字计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,以提高图像的实用性,进而达到人们所要求的某种预期效果[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。肅数字图像处理技术的优点主要有:莁(1)再现性好。数字图像处理不会因图像的存储、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准确地表现了原稿,则数字图像处理过程始终能保持图像的真实再现。袈(2)处理精度高。按目前的技术,几乎可以将一幅模拟图像数字化为任意大小的二维数组,这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高,意味着图像的数字化精度可以满足应用需求。肈(3)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,均可用计算机来处理。膅(4)灵活性高。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逻辑关系来表达的一切运算均可用数字图像处理实现。螂(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,经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,,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还要大些。因此,图像处理中信息压缩的潜力很大。薀在连续图像转换为数字图像的取样量化过程中,不可避免地会产生量化噪声,此外,图像传感器物理器件自身的灵敏度质量、图像传输和获取过程中的外在环境影响,都会存在一定程度的噪声干扰,降低了数字图像的质量。图像去噪的研究意义主要表现在:袇(1)噪声的存在影响着主观视觉效果。人眼对图像噪声尤其是图像平坦区的噪声非常敏感。严重的噪声将会使图像产生变形,失去其本质数据特征。芅(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准确率。膃因此,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、特征提取、图像识别等更高层次的处理具有直接的影响。羇2图像滤波降噪的研究现状薆图像处理中,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。光学相干层析成像是近些年来发展较快的一种层析成像技术。因为其对生物组织无辐射损伤、具有微米级的分辨率、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,尤其是对生物组织活体检测具有诱人的应用前景。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,就必须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]。莅在所处理的图像中,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。因为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。因为在图像的数字化和传输中常有噪声出现,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分量或称低通滤波,但与之同时带来的负面影响是图像的细节也有一定的衰减,从视觉效果上来看图像比处理前模糊。一个较好的去噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊。荿为了改善图像质量,从图像中提取有效信息,必须对图像进行去噪预处理。根据噪声的频谱分布的规律和统计特征以及图像的特点,出现了多种多样的去噪方法。经典去噪方法有:空间域合成法、频域合成法和最优线性合成法等。与之相适应的出现了许多应用方法:如均值滤波器、中值滤波器、低通滤波