基于决策判别的高密度椒盐噪声去除方法研究

基于决策判别的高密度椒盐噪声去除方法研究

ID:23521455

大小:5.75 MB

页数:62页

时间:2018-11-08

基于决策判别的高密度椒盐噪声去除方法研究_第1页
基于决策判别的高密度椒盐噪声去除方法研究_第2页
基于决策判别的高密度椒盐噪声去除方法研究_第3页
基于决策判别的高密度椒盐噪声去除方法研究_第4页
基于决策判别的高密度椒盐噪声去除方法研究_第5页
资源描述:

《基于决策判别的高密度椒盐噪声去除方法研究》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、分类号:TP391.41密级:公开續*州A^专业学位研究生学位论文论文题目(中文)基于决策判别的高密度椒盐噪声去除方法研宄StudontheRemovalofHihDensitygy-论文题目(外文)SaltandPeerNoiseBasedonDecisippon-baseditAlgorhm研究生姓名wg学位类别工程硕士专业学位领域电子与通信工程学位级别m±导师姓名、职称阎石副教授论文工作起止年月2017年3月至201

2、8年4月论文提交日期2018年4月论文答辩日期2018年5月学位授予日期2018年6月校址:甘肃省兰州市学院:信息科学与工程学院学号:220丨50925611学生姓名:杨楠导师姓名:阎石*学科名称工程?:电子与通信工程基于决策判别的髙密度椒盐噪声去除方法研5《&:@目;究原创性声明本人郑重声明:本人所呈交的学位论文,是在导师的指导下独立进行研究所取得的成果。学位论文中凡引用他人己经发表或未发表的成果、数据、观点等,。均己明确注明出处除文中已经注明引用的内容外,不

3、包含任何其他个人或集体己经发表或撰写过的科研成果。对本文的研宂成果做出重要贡献的个人和集体,均己在文中以明确方式标明-本声明的法律责任由本人承担。;l论文作者签名:场kf日期:Znlt.kl关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品,知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用学位论文的规定,同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版,允许论文被査阅和借阅;本人授权兰州大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采

4、用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或一与该论文直接相关的学术论文或成果时署名单位仍然为兰州大学。,第本学#论文研宂内容:以公开□不宜公开,解密后适用本授权书。,已在学位办公室办理保密申请“”一V)(请在以上选项内选择其中项打:论文作者签名:始才切导师签名_1〇:,L日期日期:基于决策判别的高密度椒盐噪声去除方法研究中文摘要图像是人类获取信息的重要方法一,副简单的图像可以包含丰富的信息。大量繁琐的文字信息用几幅简单的图片就可以描述,因此清晰的图像质量是保

5、证信息获取的重要因素。随着科技的发展以及生活节奏的加快,模拟图像淡出了人们的视野,数字图像逐渐占据了主导。而其在生成、传播等过程中会受到各种噪声的污染,其中对图像质量损害最大的是椒盐噪声,因此这类噪声点的去除成为了图像去噪的重点。现有的去噪方法主要分为线性和非线性两类,相关研究成果表明非线性滤波器在椒盐噪声的去除上有更好的表现。本文主要研究椒盐噪声的去除问题,提出了两个效果较好的去噪方法,分别是基于决策判别的椒盐噪声分步迭代去除算法和基于中值滤波的两级滤波渗透椒盐噪声去除算法。在基于决策判别的椒盐噪

6、声分步迭代去除算法中,本文首先采用决策判断法将图像中的噪声点检测出来,然后根据噪声的分布将噪声点分为普通噪声点和全噪声点,其中全噪声点是指滤波窗口中所有像素均为噪声时的窗口中心点。对于普通噪声点引入了非均匀截取中值滤波方法进行处理。对于全噪声点,为了充分利用其周围像素信息一,本文提出了种先标记、后处理的思路,并根据全噪声的具体位置,使用了不同的处理方式。最后,论文提出了噪声死角的概念并且通过引入迭代来解决该问题。仿真结果表明,该算法在噪声滤除上表现出较好的性能。当噪声密度较高时,依然有较好的去噪效果。在

7、对全噪声点的特性进行更深入的研究后一,本文进步提出了基于中值滤波的两级滤波渗透椒盐噪声去除算法。该算法深入研究了全噪声点的分布,首先引入了两级滤波思路,在处理全噪声点时,通过第二级滤波将其周围的信号点筛选出来,降低了引入噪声风险的同时避免了对全噪声点进行分类处理,提高了算法效率。该方法对全噪声点进行渗透处理,使其周围的其他全噪声点都是己处理过的,从而达到增大可用像素点个数的效果。仿真结果表明,该算法不仅解决了分步迭代法效率较低的问题,而且相比较各类现有算法,取得了更好的去噪效果,尤其是在高密度噪声情况下效果

8、更为明显。关键词:椒盐噪声,中值滤波,两级滤波,渗透IStudyontheRemovalofHihDensitSaltandgyPepperNoiseBasedonDecision

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。