加权型线性积分卷积图像去噪方法分析

《加权型线性积分卷积图像去噪方法分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、硕士学位论文加权型线性积分卷积图像去噪方法研究1．绪论受经济活动以及社会自身快速发展需求的推动，20世纪起，人类进入了一个崭新的发展时代，即信息时代。在这一历史进程中，人们获取相关数据的方式不断更新，种类繁多，且数据正以海量级速度迅猛增长，致使信息有效快速提取、分析、决策问题成为了各个行业的热点话题。先进的信息处理技术与方法，受到了学术界，工业，甚至商界的极大关注。基于上述背景，论文工作开展了数字图像处理领域中，空域图像白适应去噪方法的研究。一镶(a)听觉(b)视觉图1．1计算机视觉与人类感知1．1研究背景与意义信息社会里，人与人之间的交流日趋频繁，无论是信息交换方式，还是信息交换速度，

2、都以极快地发展。特别是随着计算机芯片价格日趋下降，其计算能力不断提升，促使着信息交换的数字化模式渗入到了社会生活的各个应用领域，由此产生了大量的数字化数据，需要得到快速有效处理与分析，如获取、存储、检索、分发、分析等。信息时代亟须智能处理技术，为此人工智能技术应运而生。作为计算机科学的一个分支，人工智能【lJ是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。如图l所示，在智能处理中，为获得视觉信息，用相机模拟人类视觉系统；为获得听觉信息，用耳机模拟人1绪论硕士学位论的听觉系统。相关统计研究表明，视觉系统获得的信息占据人们获取的信息总量占70％以上。因

3、此计算机视觉，是人工智能领域最为活跃的研究分支之一。(a)真实图像(b)去噪后图像图1．2数字图像去噪举例在计算机视觉研究中，常用数字照相机模拟人类视觉的获取功能，捕获场景信息，形成数字图像。作为底层视觉技术，数字图像处理理论与方法的研究【1】，可产出高质量图像，为后续的图像特征提取，分析，分类等智能分析提供必要支撑。图像处理在当今信息社会，扮演着不可或缺的角色。遗憾的是，尽管现代成像技术日新月异，成像手段种类繁多，由于自身物理条件的限制，数字图像在成像过程中不可避免的受到各种因素的影响，实际拍摄得到的图像有着不同程度的退化，这些因素通常包括，噪声、模糊、几何变形、混叠等，严重影响着后续

4、的实际应用。本论文侧重于图像的噪声去除问题研究【2J。数字图像成像过程中均引入噪声。噪声一般分为：成像系统固有噪声、探测元的颗粒状噪声、信号传输过程中受干扰产生的噪声、以及辐射量化噪声。一般认为，设计适宜的噪声模型，是得到优良去噪效果的关键。通常情况下，认为噪声为加性的，符合高斯分布特征的高斯白噪声，其平均值为零，方差是盯2，如此数字图像可用高斯随机场模型来表示。图1．2所示为手机拍摄的自然人脸图像。图1．2(a)为实际获得的图像，图1．2(b)为去噪后的人脸图像。可以看出噪声的存在严重影响了图像的视觉效果，同时不难想象若要对该副图像直接分析人脸特征，噪声极大的影响分析结果。可见，去噪方

5、法研究有其实际的现实意义。硕士学位论文加权型线性积分卷积图像去噪方法研究(a)真实图像滢锭=-淫荛亿誓篝，”“傩哑置。．心．j．■幔一曩■■疆一■曩一■■(a)真实图像(b)掩膜提取图像(c)修补后图像图1．3图像修补举例(b)特效处理1(c)特效处理2图1．4图像特效处理举例(c)神经纤维重建图像图1．5医学图像重建1绪论硕士学位论(a)前视图(b)后视图(c)数字高程模型图1．6遥感立体测绘去噪方法的研究，能促进其它图像处理问题的解决。如图1．3与1．4所示，分别为图像修补与图像特效处理效果。利用去噪领域的研究成果，可修复图1．3(b)中白色“网格状"掩膜。运用图像去噪理论还可对图像

6、进行特效处理，如图1．4(b)与图1．4(c)所示。除上述日常生活外，图像去噪方法相关理论还在关系国计民生的领域有着巨大的成功应用。去噪理论常被引入，用于处理医学与遥感领域中的相关问题。在医疗影像辅助诊断中，如图1．5所示，弥散张量核磁共振技术主要用于分析患者神经纤维情况，从大量文献可看到去噪理论在该领域的应用，针对不同方向所成图像集，分析张量场分布情况，追踪，重建出患者的神经组织分布可视图。在测绘遥感中，去噪理论的思想，可被借鉴，用于生成地面场景的数字高程图，如图1．6所示，图1．6(a)为相机对地成像的前视图，图1．6(b)为相机对地成像的后视图，针对上述图，利用技术科实现时差图的提

7、取，继而生成三维数字高程图。由上述可知，开展数字图像去噪方法研究，不仅具有自身的实际应用意义，同时硕士学位论文加权型线性积分卷积图像去噪方法研塞去噪方法的研究成果，可被其他图像处理技术借鉴，用于处理对应的应用问题。去噪方法研究具备良好得应用前景。1．2论文主要工作本文余下各章安排如下：第二章综述了空域图像去噪方法，并在此基础上分析了基于偏微分方程图像去噪各方法的优点与不足；正对分析的不足，第三章提出了两种新方法；第四章详细分析了与实