图像和视频去噪算法的研究与实现

《图像和视频去噪算法的研究与实现》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、万方数据指导小组成员名单陈更生高级工程师万方数据目录⋯1删眇摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯：．．三．三i．二_=二⋯⋯⋯⋯I万方数据目录4．3．1噪声去除的评价标准⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯334．3．2时空域双边滤波去噪质量的客观评价⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯344．3．3时空域双边滤波去噪质量的主观评价⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯354．3．4仿真结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯384．4时空域双边滤波算法的OpenCV软件实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．384．4．1实验平台介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯

2、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯384．4．2实现步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯384．4．3实现结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯404．5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯41第五章自适应非邻域图像去噪算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯425．1非邻域(Non．Local，NL)去噪方法概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．425．1．1非邻域(Non．Local，NL)去噪方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯425．1．2现有非邻域去噪改进方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．44

3、5．2自适应非邻域图像去噪算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯465．2．1初步滤波⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯485．2．2图像边缘检测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯485．2．3图像分区滤波⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯535．3自适应非邻域去噪算法的Matlab仿真结果与分析⋯⋯⋯⋯⋯⋯⋯⋯．．555．3．1Matlab仿真实验环境及参数设置⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯555．3．2自适应非邻域去噪质量的客观评价⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯555．3．3自适应非邻域去噪质量的主观评价⋯⋯⋯

4、⋯⋯⋯⋯⋯⋯⋯⋯⋯565．3．4自适应非邻域去噪算法的复杂度和用时分析⋯⋯⋯⋯⋯⋯⋯⋯615．3．5仿真结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯635．4自适应非邻域去噪的OpenCV软件实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．635．4．1实现步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯635．4．2实现结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯645．5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯65第六章总结与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯676．1本文工作总结⋯⋯⋯⋯⋯⋯

5、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯676．2创新点归纳⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯676．3未来展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯68参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．69致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．73硕士期间发表的论文⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．74万方数据摘要伴随着网络技术、电子技术和多媒体技术的发展，数字图像和视频已经成为社会生活中最重要的信息媒介之一，逐渐在各个行业和领域均扮演重

6、要的角色。但是，数字图像和视频在获取、传输和存储等过程中往往都会引入噪声，为了保证质量，使其能够提供较好的视觉感受，并尽量减少对后续的图像和视频处理造成影响，选择合适的策略来抑制噪声和恢复原有信息显得尤为重要。基于这一原因，本文关注于图像和视频去噪算法的研究与实现。本文对当前常用的图像和视频去噪算法分别进行了系统的分析和介绍。针对于图像去噪算法，本文按照空间域和变换域这两类进行归纳，并分析比较了常见的各种算法：针对于视频去噪算法，本文按照时域和时．空域的方式进行初步分类，然后根据是否带有运动估计进一步细分，并以各个分类的代表算法进行了

7、解释和比较。针对于视频高斯噪声的去除，本文提出了一种时空域双边滤波算法，是一种邻域的方法。该算法利用视频序列前后帧图像之间的相关性，引入了时域相似性因子，表征像素在时间轴上的相似性。然后将其与传统双边滤波算法的空间邻近度因子和灰度相似度因子相结合，一同控制视频序列的去噪操作。Matlab仿真结果表明，时空域双边滤波算法在主观评价体系和客观评价体系中均获得了较好的视频去噪效果。针对于图像高斯噪声的去除，本文提出了一种自适应非邻域去噪算法，属于非邻域滤波。该算法利用改进的Sobel算子对图像进行平滑区域和边缘区域的区分，然后利用开关型灰度

8、相似性滤波算法对平滑区域进行滤波，利用Non．LocalMeans的方法对边缘区域进行滤波。实验结果表明，该算法大幅度地降低了传统非邻域去噪算法的复杂度，并且拥有不错的去噪效果。该算法也在Matlab上进行了仿真，并根据