![点击分享此内容可以赚币 分享](/master/images/share_but.png)
图像噪声及去噪.doc
《图像噪声及去噪.doc》由会员分享,可在线阅读,更多相关《图像噪声及去噪.doc(16页珍藏版)》请在咨信网上搜索。
1、目 录摘 要:10 前言11图像噪声21.1 图像噪声的特点31.2 几种常见的图像噪声31.3 图像噪声模型42 图像去噪72.1 均值滤波82.2 中值滤波92.3 小波变换滤波102.4 维纳滤波112.5 形态学滤波123 总结与展望133.1 全文总结133.2 展望13参考文献14图像噪声及去噪的研究摘 要: 图像信号在产生、传输和记录过程中,经常会受到各种噪声的干扰,由于其严重地影响了图像的视觉效果,因此,采用适当的方法减少噪声,是一项非常重要的预处理步骤。本文主要以图像除噪为研究对象,分别对一些常用的图像去噪方法均值滤波、中值滤波、小波变换滤波、维纳滤波以及形态学滤波进行了概括
2、和介绍,阐述了这些方法的概念和针对性应用环境,分析了它们的一些优缺点。关键词: 图像噪声 噪声模型 去噪 均值滤波 中值滤波Image noise and denoising researchAbstract: Image signal in production, transmission and records of process, often there will be various noise interference, because its seriously influenced image visual effect, therefore, adopt appropriat
3、e methods to reduce noise, is a very important preprocessing step. This paper mainly image denoising as the research object, except for some commonly used respectively image denoising method - average filtering and median filtering, wavelet transform filtering and summarizes and morphological filter
4、ing, the author introduces the concept of these methods and pertinence application environment, analyses some of their advantages and disadvantages. Key words:Image noise noise model denoising average filtering median filtering0 前言实际图像在形成、传输的过程中,由于各种干扰因素的存在会受到噪声的污染。图像去噪是图像处理领域中一个重要的分支,它是图像分割、特征提取与目标
5、识别等图像处理过程的前提。去除图像的噪声也是图像处理过程中的一个重要环节,其结果直接影响到图像质量和特征提取的精确性。现实中由于获取图像的环境、设备及传输过程存在不确定因素,使得图像受到噪声污染是不可避免的。因此,如何减少甚至消除噪声一直是图像处理研究领域的课题之一。图像分析和理解的第一步往往就是首先要考虑对噪声的处理。随着各种数字仪器和数码产品的普及,图像和视频已成为人类活动中最常用的信息载体,它们包含着物体的大量信息,成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质,并且图像预处理算法的好坏又直接关系到后续图像处理的效果,如图
6、像分割、目标识别、边缘提取等,所以为了获取高质量数字图像,很有必要对图像进行降噪处理,尽可能的保持原始信息完整性(即主要特征)的同时,又能够去除信号中无用的信息1。所以,去噪处理一直是图像处理和计算机视觉研究的热点。图像视频去噪的最终目的是改善给定的图像,解决实际图像由于噪声干扰而导致图像质量下降的问题。通过去噪技术可以有效地提高图像质量,增大信噪比,更好的体现原来图像所携带的信息,作为一种重要的预处理手段,人们对图像去噪算法进行了广泛的研究。在现有的去噪算法中,有的去噪算法在低维信号图像处理中取得较好的效果,却不适用于高维信号图像处理;或者去噪效果较好,却丢失部分图像边缘信息,或者致力于研究
7、检测图像边缘信息,保留图像细节。如何在抵制噪音和保留细节上找到一个较好的平衡点,成为近年来研究的重点。1图像噪声广义而言,噪声是指通过感觉器官理解来自各种信息源的信息时,妨碍其理解的因素。因此,图像噪声是指使用某种方法从被摄体或信息源把信息传递给受看者时,如果通过视觉接收平面二维亮度分布,那么对这种接收起干扰作用的亮度分布就叫图像噪声。图像噪声通常用信噪比来量化或描述。噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。例如,一幅黑白图片,其平面亮度分布假定为f(x,y),那么对其接收起干扰作用的亮度分布R(x,y),即可称为图像噪声2。但是,噪声在理论上可以定义为“不可预测,只能
8、用概率统计方法来认识的随机误差”。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。但在很多情况下,这样的描述方法是很复杂的,甚至是不可能的。而实际应用往往也不必要。通常是用其数字特征,即均值方差,相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。1.1 图像噪声的特点图像噪声使得图像模糊,甚至淹没图像特征,给分析带来困难。图像噪声一般具有以下特点:(1) 噪声在图像中的分布和大小不规则,即具有随机性。(2) 噪声与图像之间一般具有相关性。例如,摄像机的信号和噪声相关,黑暗部分噪声大,明亮部分噪声小。又如,
9、数字图像中的量化噪声与图像相位相关,图像内容接近平坦时,量化噪声呈现伪轮廓,但图像中的随机噪声会因为颤噪效应反而使量化噪声变得不很明显。使用光导摄象管的摄像机,信号幅度和噪声幅度无关。而使用超正析摄像机的信号和噪声相关,黑暗部分噪声大,明亮部分噪声小,在数字图像处理技术中量化噪声是肯定存在的,它和图像相位有关,如图像内容接近平坦时,量化噪声呈现伪轮廓,但在此时图像信号中的随机噪声就会因为颤噪效应反而使量化噪声变得不那么明显。(3) 噪声具有叠加性。在串联图像传输系统中,各部分窜入噪声若是同类噪声可以进行功率相加,依次信噪比要下降。若不是同类噪声应区别对待,而且要考虑视觉检出特性的影响。但是因为
10、视觉检出特性中的许多问题还没有研究清楚,所以也只能进行一些主观的评价试验。31.2 几种常见的图像噪声1.2.1 加性噪声和乘性噪声按噪声和信号之间的关系,图像噪声可分为加性噪声和乘性噪声。为了分析处理方便,往往将乘性噪声近似认为是加性噪声,而且总是假定信号和噪声是互相独立的。假定信号为S(t),噪声为n(t),如果混合叠加波形是S(t)+n(t)的形式,则称其为加性噪声。加性嗓声和图像信号强度是不相关的,如图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声等。如果叠加波形为S(t)1+n(t)的形式,则称其为乘性噪声。乘性噪声则与信号强度有关,往往随图像信号的变化而变化,如飞点扫描图
11、像中的嗓声、电视扫描光栅、胶片颗粒造成等。1.2.2 外部噪声和内部噪声按照产生原因,图像噪声可分为外部噪声和内部噪声。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。如外部电气设备产生的电磁波干扰、天体放电产生的脉冲干扰等。由系统电气设备内部引起的噪声为内部噪声,如内部电路的相互干扰。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。(2)电器的机械运动产生的噪声。(3)器材材料本身引起的噪声。(4)系统内部设备电路所引起的噪声。1.2.3 平稳噪声非平稳噪声按照统计特性,图像噪声可分为平稳噪声和非平稳噪声。统计特性不随时间变化的噪声称为平稳噪声。统计特
12、性随时间变化的噪声称为非平稳噪声。4 1.2.4其它几类噪声量化嗓声是数字图像的主要噪声源,其大小显示出数字图像和原始图像的差异,减少这种嗓声的最好办法就是采用按灰度级概率密度函数选择化级的最优化措施。“椒盐”噪声:此类嗓声如图像切割引起的即黑图像上的白点,白图像上的黑点噪声,在变换域引入的误差,使图像反变换后造成的变换噪声等。按噪声幅度随时间分布形状来定义,如其幅度分布是按高斯分布的就称其为高斯噪声,而按雷利分布的就称其为雷利噪声。按噪声频谱形状来命,如频谱均匀分布的噪声称为白噪声;频谱与频率成反比的称为1/f 噪声;而与频率平方成正比的称为三角噪声等等。根据经常影响图像质量的噪声源又可分电
13、子噪声和光电子噪声。电子噪声:在阻性器件中由于电子随机热运动而造成的电子噪声是三种模型中最简单的。光电子噪声:光电子噪声是由光的统计本质和图像传感器中光电转换过程引起的。1.3 图像噪声模型实际获得的图像含有的噪声,根据不同分类可将噪声进行不同的分类。从噪声的概率分布情况来看,可分为高斯噪声、瑞利噪声、伽马噪声、指数噪声和均匀噪声。1.3.1 高斯噪声由于高斯噪声在空间和频域中数学上的易处理性,这种噪声(也称为正态噪声)模型经常被用于实践中。事实上,这种易处理性非常方便,使高斯模型经常用于临界情况下 。高斯随机变量z的PDF由下式给出: (1.1) 其中z表示灰度值,表示z的平均值或期望值,表
14、示z的标准差。标准差的平方2称为z的方差。当z服从式(1.3.1)的分布时候,其值有70落在(-),(+)内,且有95落在(-2),( +2)范围内。1.3.2 瑞利噪声瑞利噪声的概率密度函数由下式给出: (1.2)概率密度的均值和方差由下式给出: (1.3)1.3.3 伽马(爱尔兰)噪声伽马噪声的PDF由下式给出: (1.4)其中,a0,b为正整数且“!”表示阶乘。其密度的均值和方差由下式给出: (1.5)尽管式(1.4)经常被用来表示伽马密度,严格地说,只有当分母为伽马函数(b)时才是正确的。当分母如表达式所示时,该密度近似称为爱尔兰密度。1.3.4 指数分布噪声指数噪声的PDF可由下式给
15、出: (1.6)其中a0。概率密度函数的期望值和方差是: (1.7)1.3.5 均匀噪声分布均匀噪声分布的概率密度,由下式给出: (1.8)概率密度函数的期望值和方差可由下式给出: (1.9)1.3.6 脉冲噪声(椒盐噪声)(双极)脉冲噪声的PDF可由下式给出: (1.10)如果ba,灰度值b在图像中将显示为一个亮点,相反,a的值将显示为一个暗点。若Pa或Pb为零,则脉冲噪声称为单极脉冲。如果Pa和Pb均不可能为零,尤其是它们近似相等时,脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒。由于这个原因,双极脉冲噪声也称为椒盐噪声。同时,它们有时也称为散粒和尖峰噪声。噪声脉冲可以是正的,也可以是
16、负的。标定通常是图像数字化过程的一部分。因为脉冲干扰通常与图像信号的强度相比较大,因此,在一幅图像中,脉冲噪声总是数字化为最大值(纯黑或纯白)。这样,通常假设a,b是饱和值,从某种意义上看,在数字化图像中,它们等于所允许的最大值和最小值。由于这一结果,负脉冲以一个黑点(胡椒点)出现在图像中。由于相同的原因,正脉冲以白点(盐点)出现在图像中。对于一个8位图像,这意味着a=0(黑)。b=255(白)。2 图像去噪图像噪声在数字图像处理技术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可缺少的技术步骤。图像去噪算法可以分为以下几类:(1)空间域滤波空域滤波是在原
17、图像上直接进行数据运算,对像素的灰度值进行处理。常见的空间域图像去噪算法有邻域平均法、中值滤波、低通滤波等。(2)变换域滤波图像变换域去噪方法是对图像进行某种变换,将图像从空间域转换到变换域,再对变换域中的变换系数进行处理,再进行反变换将图像从变换域转换到空间域来达到去除图像嗓声的目的。将图像从空间域转换到变换域的变换方法很多,如傅立叶变换、沃尔什-哈达玛变换、余弦变换、K-L变换以及小波变换等。而傅立叶变换和小波变换则是常见的用于图像去噪的变换方法。(3)偏微分方程偏微分方程是近年来兴起的一种图像处理方法,主要针对低层图像处理并取得了很好的效果。偏微分方程具有各向异性的特点,应用在图像去噪中
18、,可以在去除噪声的同时,很好的保持边缘。偏微分方程的应用主要的一类是一种是基本的迭代格式,通过随时间变化的更新,使得图像向所要得到的效果逐渐逼近,以及对其改进后的后续工作。该方法在确定扩散系数时有很大的选择空间,在前向扩散的同时具有后向扩散的功能,所以,具有平滑图像和将边缘尖锐化的能力5。偏微分方程在低噪声密度的图像处理中取得了较好的效果,但是在处理高噪声密度图像时去噪效果不好,而且处理时间明显高出许多。(4)变分法另一种利用数学进行图像去噪方法是基于变分法的思想,确定图像的能量函数,通过对能量函数的最小化工作,使得图像达到平滑状态,现在得到广泛应用的全变分TV模型就是这一类。这类方法的关键是
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 噪声
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【丰****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【丰****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。