毕业设计--基于双边滤波的图像去噪的方法.doc
《毕业设计--基于双边滤波的图像去噪的方法.doc》由会员分享,可在线阅读,更多相关《毕业设计--基于双边滤波的图像去噪的方法.doc(14页珍藏版)》请在咨信网上搜索。
1、学号:1008431110 本科毕业论文(设计)(2014届)基于双边滤波的图像去噪方法院 系 电子信息工程学院 专 业 通息工程 姓 名指导教师 讲师 2014年4月合肥师范学院2014届本科毕业论文(设计)摘 要双边滤波是非线性的滤波方法,是结合图像的像素值相似度空间邻近度和空间领近度的一种折衷处理,同时考虑灰度相似性和空域信息,达到保边去噪的目的。双边滤波具有简单、非迭代、局部的特点。双边滤波器的好处是可以做边缘保存,一般过去用的维纳滤波或者高斯滤波去降噪,都会较明显地模糊边缘,对于高频细节的保护效果并不明显。双边滤波比高斯滤波多了一个高斯方差,它是基于空间分布的高斯滤波函数,所以在边缘
2、附近,离的较远的像素不会影响到边缘上的像素值,这样就保证了边缘附近像素值的保存.但是由于保存了过多的高频信息对于彩色图像里的高频噪声,双边滤波器不能够彻底的滤掉,只能够对于低频信息进行较好的滤波。其具体的操作方法有两个,第一个是高斯模版,用个模板对图像中的每一个像素值进行扫描,然后把某一点和其邻域内像素的加权平均值代替那一个中心的值高斯滤波器是根据高斯函数的形状来选择其权值的线性平滑滤波器,高斯滤波是线性平滑滤波的一种,最适合去除的噪声类型是服从正态分布的噪声。第二个是以灰度级的差值作为函数系数生成的模板。然后这两个模板点乘就得到了最终的双边滤波模板,最后得到双边滤波处理后的图像。关键词:图像
3、;去噪;双边滤波;高斯滤波 AbstractThe bilateral filter is a nonlinear filtering method, is the combination of image pixel value similarity space proximity and space brought a compromise approach degree, considering the gray similarity and spatial information, to achieve the purpose of edge preserving denoising.
4、 The bilateral filter has the advantages of simple, non iterative, local。 The bilateral filter is good to do edge preservation,generally used Wiener filtering or Gauss filter to denoise, will obviously fuzzy edge, for the protection of high frequency detail is not obvious. Bilateral filtering than G
5、auss filter has a Gauss variance, it is Gauss filter function based on the spatial distribution, so near the edge, the pixel will not affect the farther to the pixel on the edge of the value, thus ensuring the preservation of edge pixel values。 But because of the high frequency information saved too
6、 much for the high frequency noise in the color image, the bilateral filter can not be completely filtered out, can only be better filtering for the low frequency information。 The specific operation method has two, the first is Gauss template, scanning for each pixel in the image with a template, an
7、d then the weighted one point and its neighborhood pixels instead of the average value of a central value Gauss filters are linear smoothing filter to select the weights based on the Gauss function the shape, the Gauss filter is a linear smoothing filter for noise removal, the type is subject to nor
8、mally distributed noise。 The second is the difference of gray level as function coefficients generated templates。 Then the two template dot get bilateral filtering template final, finally get the image after bilateral filtering。Key words:Image;Denoising;Bilateral Filtering;Gauss Filtering目 录摘 要IABST
9、RACTII1 引言11。1 课题的研究背景及意义11.2 国内外研究现状11。3 图像噪声及图像去噪方法21.4 图像质量评价方法41。5论文研究目标及结构安排72 双边滤波理论72。1双边滤波定义72。2双边滤波器的设计73 图像去噪的方法93。1 中值滤波介绍93。2 高斯滤波介绍114 双边滤波实验结果134。1结果图片135 论文总结18参考文献19II合肥师范学院2014届本科毕业论文(设计)1 引言1。1 课题的研究背景及意义当今社会已经进入了一个高度信息化的阶段,人们对信息的需求越来越多。人们通过视觉,听觉,触觉,味觉等感知器官来进行感知而视觉是人类最高级的感知器官,在人类接受
10、的信息中,有将近80%来自于视觉,而图像信息成为人们获取信息的主要来源和利用信息的主要手段以其包含的信息量大,便于存储以及传播等优势.传统的对于图像的处理经常利用的方法是光学或者模拟电路,例如眼镜和望远镜等,而对于数字图像而言常用的方法是利用计算机对进行加工处理,以提高原图像的质量,压缩图像数据或者是从图像中获取更多信息.随着现代科学技术的发展例如,DSP,VLSI等一些新的理论技术,数字图像处理已经成为了一门独立的新兴学科,并得到了广泛的应用,在空间,时间和功能上扩展人类视觉1。数字图像处理技术的迅速发展为人类带来了巨大的社会效益和经济效益。例如,卫星遥感数字图像处理技术可以进行环境气候的全
11、球性检测,还可以广泛地应用到所有与地球相关的农,林,地,矿,油等领域;在医学领域,CT,核磁共振等技术已经广泛应用于临床诊断,显然,对于数字图像进行处理的技术已经融入到了各个科学领域,因此,对于数字图像的处理不仅会对自然科学而且会对人类社会的发展产生具有深远意义的影响.图像去噪是图像处理领域的研究热点在图像采集过程,采集和传输,由于受到各种条件的限制,图像受到噪声污染”2。但是,噪声是影响图像质量的主要因素,噪声的存在不仅影响视觉质量,但也使一些进一步的图像处理方法,如图像融合,特征提取,目标识别,图像超分辨率重建的应用更加困难.噪声的存在也会增加图像的熵,将大大降低编码效率.因此,在图像处理
12、的各个领域的图像去噪具有重要的实用价值。在医学图像处理中,图像边缘清晰且具有很高的信噪比大大降低误诊率,在军事上更为突出,高分辨率,提供了必要的保证低噪声图像的自动目标识别和目标的精确.当然,任何一种去噪方法不能完全去除图像中的噪声,完全恢复的图像,然而,研究人员一直在原有方法的基础上逐步突破其局限性,提高去噪方法,为了得到更好的去噪效果,提高去噪质量。在本文中,基于双边滤波去噪图像是一个双线性过滤,整个图像的加权平均,每个像素值,是由本身和其他像素的像素值的加权平均得到的域.对扫描图像中的每个像素的模板的具体操作,确定像素的邻域的加权平均灰度值代替像素值使用模板模板中心。高斯平滑滤波器是非常
13、有效的正常分布的噪声抑制,已在图像去噪,图像分割,广泛应用于分类。1.2 国内外研究现状20世纪20年代,图像处理首次得到应用。上个世纪60年代中期,随着计算机科学的发展和计算机的普及,图像处理得到广泛的应用。60年代末期,图像处理技术不断完善,逐渐成为一个新兴的学科.为了从图像中提取有效信息,改善图像质量,必须对图像进行去噪预处理。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.根据噪声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.经典的去噪方法有:空域去噪法,频域去噪法,高斯滤波法等,与之适应的出现了许多应用方法,如均值滤波器,中值滤波器,低通滤波器,维纳滤波
14、器等.这些方法的广泛应用,促进数字信号处理的极大发展,显著提高了图像质量。一幅原始图像在获取和传输过程中会受到各种噪声的干扰,使图像质量下降,对分析图像不利。主要的噪声类型有两种是非常典型的:一种噪声是随机噪声,特点是每一点都存在,但幅值随机分布;另一种是椒盐噪声,其特点是幅值基本相同,但出现的位置随机。对于一副数字图像为了使其图像质量得到改善,收到的噪声得到抑制便需要对其进行平滑处理。对数字图像进行平滑处理的常用方法有均值滤波,中值滤波,维纳滤波等。1。3 图像噪声及图像去噪方法1。3。1 图像噪声所谓噪声,就是能妨碍到系统传感器对所接收的图像进行分析或理解的各种因素。因为噪声对于图像的采集
15、,输入,处理等的每一个环节有很大的影响,尤其是在图像的输入时,图像采集中的产生的噪声会对图像处理的全过程及最终结果有非常大的影响,所以对于数字图像噪声的抑制已经成为了图像处理中极其重要的步骤。一般噪声是不可预测的随机信号,它只是用概率统计的方法去认识.1.图像噪声特点:(1) 叠加性:图像的传输系统如果是串联的,系统串联的各个部分所引起的噪声会进行叠加,使图像信噪比下降,降低图像的质量;(2) 图像与噪声间具有相关性:一般摄像机信号和噪声相关,噪声小时图像比较明亮,噪声大时图像比较黑暗。对数字图像进行处理时存在的量化噪声便与图像相位有关;(3) 大小与分布不规则:噪声的分布和幅值是不规则是因为
16、图像中的噪声是随机出现.2。图像噪声的分类:(1) 高斯噪声:含有服从高斯或正态分布强度的噪声。 (2) 脉冲噪声:只含有随机的白强度值(正脉冲噪声),黑强度值(负脉冲噪声)。 (3) 椒盐噪声:含有随机出现的黑白强度值。噪声分类方法不是绝对的,按不同的性质有不同的分类方法。噪声从统计理论观点可以分为平稳和非平稳噪声,凡是统计特性不随时间变化的噪声称为平稳噪声,统计特性随时间变化的噪声称为非平稳噪声;噪声从幅度分布形态可分为高斯型噪声和瑞利型噪声;还可以按频谱分布形状对噪声进行分类,例如均匀分布的噪声称为白噪声。而根据噪声与信号之间关系,可分为加性噪声和乘性噪声,加性噪声是信道一直存在的噪声,
17、不管有没有信号,一直存在,理论上加性噪声分析方法成熟,且处理比较方便,乘性噪声是随着信号的出现而出项的,如果没有信号也没有噪声,而乘性随机噪声处理方法目前还没有成熟的理论,并且处理起来非常复杂.一般条件下,现实生活中所遇到的绝大多数图像噪声可以认为是高斯加性白噪声。1。3.2 图像去噪方法图像去噪方法可以划分为两类: 一类是空间域的图像去噪方法, 主要采用图像平滑模板对图像进行卷积处理, 达到抑制或消除噪声的目的; 另一类是频率域的图像去噪方法,主要通过对图像进行变换然后选择适当频率的带通滤波器对图像进行滤波处理, 再经过反变换,最后得到去除噪声后的图像. 1。均值滤波均值滤波是用某一点和它的
18、邻域内的点的像素平均值去替代中心点的像素灰度,选择一幅有NN个像素点的图像g(x,y),经过处理后的图像记作为h(x,y),则根据均值滤波的方法可得如11所示:(1-1)式中x,y=0,1,2,,N-1,S是(x,y)点邻域中点的坐标的集合,M是集合内坐标点的总数。此种方法是把噪声点的像素值分散为其某一邻域各点中以对图像达到平滑滤波的作用,平滑滤波后的图像h(x,y),其中任一点的像素值由其和其邻域内像素的平均值确定。2。中值滤波中值滤波是把数字序列或者图像中的一点的值用该点的一个邻域中的各点值的中值代替,因此中值滤波是一种基于排序理论的非线性信号处理方法.确定一个以某个像素为中心点的邻域,这
19、里邻域常被称为窗口,常用的形状有方形,十字形等,一般选择方形邻域,然后将邻域内各个像素灰度值进行排序,并取中间值作为中心像素灰度的新值.当活动窗口在图像中进行移动后,就可以利用中值滤波算法对图像进行平滑处理.设表示数字图像各点的灰度值, 滤波窗口为A的二维中值滤波可定义为式12: (1-2)由于中值滤波的输出像素是由邻域像素的中间值决定,因此其对于与周围像素灰度值差别比较大的像素远不如平均值敏感,所以可以在消除孤立噪声点的同时使图像不会那么模糊。中值滤波的去噪效果和噪声类型有关的同时也和邻域的空间范围和计算中的像素数有关,一般情况下会选择NN的方形模板进行图像去噪滤波,总之,中值滤波具有实时性
20、好,可靠性高,算法简单等特点,具有较高的实用价值。3.维纳滤波法。维纳滤波能根据图像的局部方差调整滤波器的输出, 它的最终目标是使恢复图像f(x,y)与原始图像f(x,y)的均方误差最小,是一种自适应滤波5。 (1-3)4.图像小波域滤波 图像的有用信号与噪声信号经过小波变换后会呈现出不同的规律在不同的分辨率下, 可以利用不同的分辨率,对小波系数进行调整,对阈值门限进行设定,以达到去除图像噪声的目的。利用小波域滤波时,小波系数可以通过阈值化被划分为两种: 一种是受到噪声污染比较大或者是不重要的小波系数;另一种是规则的,重要的小波系数。通常情况下小波系数的分类单元是以小波系数的绝对值为基础的,如
21、果图像信息受到噪声的干扰比较强烈,则小波系数的绝对值是趋向于零的.阈值化去噪方法最常用的有两种,一种是给定硬( 或软) 阈值进行图像的去噪声处理, 该方法的去噪效果比较有说服力,因为所给定的阈值通常是由某经验公式得到;另外一种是通过默认阈值进行图像的去噪声处理, 即在去噪处理时用的阈值是程序中设定的。对于“硬阈值化”,只有当小波系数的绝对值大于阈值时才对其进行保留并且被保留系数与原系数相同(没有被缩减),如14所示:(14)对于“软阈值化”当小波系数的绝对值大于阈值时其值用进行缩减,当小波系数的绝对值小于阈值时其值归零,如下所示:(1-5)式中的sgn()是符号函数,当数值为负时其符号是负,反
- 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:
- 毕业设计 基于 双边 滤波 图像 方法
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【精****】。
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【精****】,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。