基于非局部均值滤波的图像降噪方法研究

《基于非局部均值滤波的图像降噪方法研究》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、第1章绪论1.1图像去噪的研究背景及意义人类可以通过听觉、嗅觉、触觉、味觉、视觉获取外界信息，它们在人类感受外界信息的过程中各自占据举足轻重的地位。尤其是眼睛所感受到的视觉，视觉的范畴特别广，它不单单仅是可以看到的自然景观，还有人眼所看不到的宏观、微观影像以及大批量的由计算机生成的图像。在21世纪，随着人类社会的进步与科技的发展，信息化时代早已到来。在这么多信息当中如何筛选有用信息，并对信息进行处理是当前人们关注的方向。视觉是我们感觉中高级的感知之一，  对外部世界的人类感知的两种方式是听力和视力，尤其是视觉，因为图像信息是一个非常重要的实物资

2、料。因此，图像在人类感知中起着最重要的作用并不奇怪。信息的种类很多，人类在日常生活中所能接触到的最多的信息就是图像信息。图像在人类的信息活动中占据着举足轻重的作用，它在获取信息的同时可以表达信息也可以传递信息等。由于图像有形象生动、直观具体、容易理解等特点，所以在很多领域都起着重要的作用，如：信息科学、计算机科学、天体气象、通信工程、航空航天、医疗、军事、教育等诸多领域中都有涉略。在图像信息的采集和传输过程当中，由于成像设备、传输系统的缺陷会或多或少的引入各种Noise干扰，从而导致我们所获得的图像质量有所下降。图像Noise分类多种多样，从N

3、oise产生的原因方面上可以分为：人为Noise、内部Noise、自然Noise。根据Noise的性质又可以分为：椒盐Noise、高斯Noise、重尾分部Noise。按照图像信号与Noise的关系我们可以分为三类：加性Noise、量化Noise、乘性Noise。由于这些Noise的干扰导致图像信息缺损或破坏，从而影响后续人们对信息认知。因此，为了能够获取更加准确的图像信息，通过相应的方法对图像进行降噪已经成为备受关注的研究话题。现今，随着计算机图像处理技术的发展，使得能够通过计算机来访问和处理图像信息。计算机性能不断的提高，通信技术不断地发展，

4、而成本也在不断的降低，这也成功推动了图像处理技术蓬勃发展，并在很多行业得到了很广泛的应用，21世纪的图像处理技术正在向更高质量方向发展。1.2图像去噪的研究现状和方法1.2.1国内外研究现状数字图像的应用特别广，首先出现在报纸行业。在20世纪初期的时候，为了穿过大西洋传输图像，Bartlane电缆图像传输系统通过电缆将传输时间缩短了将近20倍。用PC成功处理数字图像最早可以追溯到20世纪60年代早期，20世纪中期美国一家实验室（JetpropulsionLaboratory,JPL）在面对航天器从月球上面发回来的各种照片上面使用了各种数字图像技

5、术，而且在此基础上考虑太空环境如：太阳光强度、月球上位置等等，并通过这种方式还原了月球球体表面的各种景象，取得了震撼人心的惊奇效果。与此同时，20世纪60年代后期至70年代早期，数字图像处理开始在医疗方面、生物方面和天文学等方面使用，并取得了不错的效果。从60年代后期到现在，图像处理技术蓬勃发展并得到了很多行业的推崇。在工业、医药和生物科学等领域，如用对比度增强技术和伪彩色增强技术来提高图像视觉效果等等。图像去噪处理方法大致上有两类:其一是空间域法，其二是变换域法。对原始图像进行数据分析处理的是空间域法，它的处理对象是像素的灰度值。在变换域图像

6、处理，先相应的处理变换后的系数，然后进行反变换从而恢复图像去除Noise。经过众多学者的研究，迄今为止已经涌现出了非常多的优秀算法。在图像滤波的过程中首先对Noise进行分析处理，然后根据不同的Noise模型进行相应去噪分析。因此，结合不同的Noise环境，研究利用空间域法与变换域法对图像进行去噪，具有广阔的发展空间和应用价值。1.2.2研究方法实际获得的图像都因受到干扰而含有Noise，不同原因产生的Noise就会导致不同的分布特点。在数字图像处理的过程中有些Noise出现频率比较高：①加性Noise：如摄像机在扫描时产生的Noise、图像在

7、信道中进行传输的时候引入的“信道Noise”等。②乘性Noise：乘性Noise与图像信号相关，Noise和信号成正比。③量化Noise：是数字图像中占比例最大的一种Noise，它的大小表达出原始图像和Noise图像之间的差异。④“盐和胡椒Noise”：例如图像切割所引起的黑图像上的白点Noise、白图象上的黑点Noise。图像平滑的主要目的是去除Noise，去除Noise可采用空间低通滤波器、频域低通滤波器实现。（1）空域滤波方法空域图像增强直接作用于像素，在图像空间进行增强。空间域中进行去噪主要采用邻域平均、中值滤波和多图像平均法实现。邻域

8、平均法在局部空间域中是一种基本的降噪处理方法。这种算法的根本原理是像素邻域的平均值作为滤波结果替换该像素原来灰度值。采用邻域平均的方法只能尽可能的逼近