文档介绍：成都理工大学
硕士学位论文
数学形态学与变换域图像去噪算法及其并行化研究
姓名:曹海燕
申请学位级别:硕士
专业:信号与信息处理
指导教师:罗省贤
20090501
摘要
数学形态学与变换域图像去噪算法及其并行化研究
作者简介:曹海燕,女,1979 年 12 月生,师从成都理工大学罗省贤教授,
2009 年 7 月毕业于成都理工大学信号与信息系统专业,获得工学硕士学位。
摘要
图像去噪是图像处理中一种基本而重要的技术。图像在数字化的过程中不
可避免地会引入一些噪声,这些噪声会妨碍人们对图像的理解,影响图像的质
量。利用去噪技术可以从复杂的信号中提取出所需要的信号,并抑制干扰信号,
使图像更加清晰,反映出的信息更准确。图像的清晰度主要决定于图像边缘、
细线和小特征是否清晰,特征之间的区域变化是否平滑。传统的图像去噪方式,
在去除噪声污染的同时会造成图像边缘的模糊,不能很好地保持轮廓信息。为
了解决图像滤波时的轮廓保持问题,研究者们提出了一类新的非线性方法,即
基于数学形态学的图像去噪方法。这种方法对图像形态特征进行分析,利用预
先定义的结构元对信号进行匹配,以达到提取信号、抑制噪声的目的,具有并
行性和快速性的特点,因而在国内外受到普遍关注。
本论文以数学形态学理论为基础,分别研究了二值图像、灰度图像、彩色
图像的去噪算法,在传统的形态学去噪算法的基础上,进行改进和创新,进一
步提高了图像的质量。
在二值图像去噪算法中,设计与实现了一种多结构元素的串行广义复合形
态滤波器。由于传统的形态滤波只采用单一结构元素,致使滤波结果无法顾及
图像在不同方向上的特征,不能完全滤除噪声,模糊了图像的细节特征。本文
在二值图像去噪算法中采用了多尺度多方向的结构元素,不仅有效地抑制了图
像中的噪声,而且较好地保持了图像的几何特征。同时利用广义复合形态滤波
具有平移不变性、递增性、等幂性等重要特征进行图像降噪。在灰度图像去噪
算法的设计上,采用了一种 Contourlet 变换结合 Cycle Spinning 技术、形态学
HMT 变换的去噪方法。Contourlet 变换是一种真正的图像二维表示方法,具有
多分辨性、局域性、方向性的优点,而 Cycle Spinning 技术能够有效抑制由于
Contourlet 变换缺乏平移不变性而引起的伪 Gibbs 现象,在以上两者结合的基础
上,对于 Contourlet 分解后高频子带中的噪声,运用数学形态学中的 HMT 变换
进行有针对性的提取和去除。与传统的小波变换阈值去噪方法相比,这种方法
更好的平滑了噪声,保持了更多的图像边缘和纹理细节,视觉效果也更好。
I
成都理工大学硕士学位论文
对于彩色图像去噪,采用了一种基于 RGB 彩色空间的改进的中值滤波,
结合多结构元素的标量形态滤波算法。传统的中值滤波对所有的数据采用统一
的处理方法,对每个像素都进行排序取中值,计算量巨大,时间复杂度高。而
改进的中值滤波采用信噪分别处理的算法,排序时充分利用更新后的数据,克
服了传统中值的不足,降低了时间复杂度,滤波效果也明显得到改善。同时根
据人眼对三基色不同的敏感程度,选用不同大小的结构元素对三基色分别进行
处理,与采用同样的结构元素对整个图像处理相比,在滤除噪声的同时,保留
了更多的色彩信息,且不影响人眼对图像的视觉效果。本文在彩色图像去噪算
法中,深入研究了改进的中值滤波算法并行化的可行性,实现了基于 MPI 的改
进中值滤波的并行化算法,显著提高了改进的中值滤波算法的计算效率。
通过对各种改进算法的仿真实验效果和去噪算法性能指标(MAE、MSE、
NMSE、PSNR)分析,表明本文各种改进算法比传统算法具有更大的灵活性,
滤除噪声的能力显著增强,证实了算法的可行性和有效性。

关键词:数学形态学去噪算法结构元素 Contourlet 变换并行化

II
Abstract
Reserch of the Image Denosing Algorithm and Its
Parallelization Based on Mathematics Morphology and
Transformation Domain
Introduction of the author: Cao Haiyan, female, was born in December,
1979, whose tutor was Professor LuoShengxian. She graduated from