文献综述--印前图像去噪算法比较研究

《文献综述--印前图像去噪算法比较研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本科生毕业设计（论文）论文综述学院专业印刷工程导师学生学号印前图像去噪算法比较研究1课题研究目的及意义图像在生成和传输过程中，常常因受到各种噪声干扰和影响而使图片降低质量，这对后续图像的处理（如分割，压缩和图像理解等）将产生不利影响。噪声种类很多，如：电噪声、机械噪声、信道噪声和其他噪声。在图像处理中，图像去噪是一个永远不会过时的主题，为了抑制噪声，改善图像质量，更高层次的处理，必须对图像进行去噪的预处理。图像中的噪声影响到人们对图像的理解，而图像去噪的目的就是去除图像中的噪声，使人们对图像的认识更加清楚，以便对图像做进一步地处理。图像中的噪声影响到人们对图像的理解，而图像去噪的目的就是去

2、除图像中的噪声，使人们对图像的认识更加清楚，以便对图像做进一步地处理。因此，图像去噪效果的好坏对以后进一步的图像处理有着非常重要的意义。2国内外发展趋势图像的半色调噪声主要集中在高频区域，一般情况下去噪是通过类似低通滤波的处理而进行的。但是在高频区域中，半色调噪声和图像的边缘信息混合在一起，通过低通滤波可有效地去除半色调噪声，然而这样很可能会模糊图像边缘并破坏细节。对于调幅加噪，一种方法是在时域选择合适的低通滤波器进行去噪；另一种是在频域和小波域中对加噪图像进行分析，再选择合适的滤波器去噪；还有基于神经噪络[1]对不同形状噪分类，再去噪的方法。误差扩散算法[2][3]是调频加噪的一种。因为

3、误差扩散算法它的像素值可能揭示出输入像素值的情况，所以一种方法是估计出它的误差分散核值，并采取相应的去噪方法；另一种是基于边缘保持的平滑算法，试图去除噪的同时尽可能不模糊细节，大部分的去噪算法都针对于一种特殊的加噪过程，当情况改变时就不再适用。一般假设加噪参数是已知的，像半色调部分的频率、阈值矩阵或误差分散权值，然而在实际情况中，原始的加噪方法和它们的相关参数并不清楚。现有的图像去噪算法主要可分为以下几类:基于噪点形成原因对图像进行逆半色调处理[4]、基于低通滤波对图像进行逆半色调处理、基于图文分割的图像去噪算法[5][6]、基于小波变换对图像进行去噪[7][8][9][10]，还有一些图

4、像去噪方法是对已有算法的改进和优化，或者是将一些较为新颖的理论应用于图像去噪算法中。如:基于神经噪络[1]、查找表和神经噪络相结合[11]、基于机器学习[12][13]等图像去噪算法。2.1国内发展西安理工大学张琳[5]在论文中也是先用ZD一FFT（快速二维傅里叶变换）来准确测量彩色图像中的主加网线数。为了减少在整个原稿中应用ZD一FFT的必要性，减小计算复杂度，沿着对角线取了一系列大小为128x128的采样窗口来估计加噪线数。图像经过二维傅立叶变换后，噪声频率位于空间频率较高的区域，而图像本身的频率分量则处于空间频率较低的区域内，因此可以通过低通滤波的方法，使高频分量受到抑制而让低频分量

5、顺利通过，从而实现图像的平滑。频域中平滑滤波器主要有理想低通滤波器，巴特沃斯滤波器，指数形滤波器和梯形滤波器。空间域中的低通滤波采用的是离散卷积法，需要指出的是使用低通滤波器的缺点是其他高频区域也被影响，从而导致边缘的模糊，以及高调纹理区域细节的丢失，但这种影响较小。要注意的是，在柔化图像之前，应把所有通逆快速检查一遍，以便找出莫尔条纹存在的地方。通常，莫尔条纹仅影响一两个通道，这些条纹所处的通道很容易检测出来，如果仅是柔化条纹存在的通道，图像的质量就不会下降太多。西安理工大学杜锋良[6]在论文中提到一种新颖的去噪算法，基于噪点检测的图像去噪算法，这种去噪算法主要有噪点区域填充法(DFM)

6、、高反差保留法、均值填充法三种图像去噪算法。这种方法一方面提取出图像中以半色调轮廓为主的高频轮廓部分，另一方面对不同类型(报纸、一般、精美)图像半色调区域中噪点像素点有针对性的进行检测和填充以实现图像噪去除。三种方法先对图像以半色调部分中的高频轮廓部分为主的高频像素点进行检测并保存。基于对半色调图像中噪点像素点进行检测，针对噪点像素点进行填充后用图像高频轮廓部分回填从而获得图像去噪效果，最后将图文分割时获得的图像文字部分填充到图像去噪效果中以获取最终图文合并后的图像去噪效果。采用基于噪点检测的图像去噪方法进行图像去噪时，对于当前像素点是否为噪点像素点进行判定就成为了一个很关键的问题。该法只

7、是一种初步设想与尝试，若要更深入的进行噪点像素点判断研究，可以考虑结合图像高频像素点与图像在频率域中的高频部分特征来进行图像噪点像素点判断。赵蔚和郭树旭等人[7]分析了常用的几种去噪方法：CMYK颜色空间处理法、超限像素平滑法、全方位多级组合滤波器、高斯滤波器法；提出了一种切实可行的基于整数的第二代小波变换（正变换：分割，预测，修正；逆变换跟正变换相反）的时频特性提出的去噪算法，先提取噪信息，在对于不同频率和不同空间细节