图像去噪及其效果评估若干问题研究

《图像去噪及其效果评估若干问题研究》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、馨图像去噪及其效果评估若干问题研究ｕｄｙｏｎｉｉａｎｄｉｅｆｆｅｃｔｅｖａｌｕａｔｉｏｎｓｔｉｍａｇｅｄｅｎｏｓｎｇｔｓ作者姓名－：杨成佳专业名称；计算机软件与理论研究方向；数据库与智能网络指导教师：李雄飞教授学位类别：工学博±培养单位：计算机科学与技术学院论文答辩日期：２０１６年ｎ月巧日授予学位日期；年月日答辩委员会组成；姓名职称工作单位主席张健沛教授哈尔滨工程大学委员杨华民教授长春理工大学车翔坟教授吉林大学李文辉教授

2、吉林大学刘衍巧教授吉林大学粒宏伟教授吉林大学未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学博七学位论文原创性声明本人嫌重声明：所呈交的博±学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集化己经发表

3、或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中。ｔｕ明确方式标明本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：Ｐ成年ｆＬ月（日摘要摘要图像去噪及其效果评估若干问题研究从石器时代的岩壁画到现代社会的数字图像，图像作为一种重要的视觉信息载体，承载着人类80%以上的信息量，是人类获取和利用信息的重要方式。由于数字图像在生成、传输等各个阶段都有可能受到噪声的干扰，对后续的计算机图像处理，尤其对图像分割、特征提取、图像识别等过程产生直接影响，并带来诸多问题。因此，图像

4、去噪是图像处理重要的预处理过程。本文围绕图像去噪算法和图像去噪效果评估方法进行研究，主要工作如下：1.针对纹理丰富的图像特点，提出基于形态成分分析（MCA）的双边滤波图像去噪方法。首先利用MCA算法将图像分解为低频部分和高频部分，对高频部分应用双边滤波。由于传统双边滤波算法中存在单个像素的相似性度量易受噪声影响，而损坏边缘和纹理这一问题，本文引入了像素平滑权重，有效地保留了图像的高频纹理和边缘信息。然后将低频信息与滤波后的高频信息进行重构，完成图像去噪过程。去噪后的图像纹理特征完整清晰，具有更高的峰值信噪比。2.提出基

5、于经验模态分解（EMD）的图像去噪算法。EMD的优势在于无需预设分解层数和分解基底，能将图像自适应地分解为一个趋势图像和若干固有模态函数。针对包含在固有模态函数内的大部分噪声，提出邻域信息相关匹配算法，对其进行平滑处理。最后利用经验模态逆变换将去噪后的固有模态函数与趋势图像重构成一幅图像。实验结果表明，改进后的算法在视觉效果和客观指标两个方面均优于其它对比算法。3.提出基于方向信息的二维经验模态分解（BEMD）图像去噪算法。首先，引入自适应二维经验模态分解。其次，提出基于方向的二维固有模态函数分解，形成若干方向子带，通

6、过改进线性回归模型，对图像的方向子带进行平滑处理。最后，将平滑子带与图像的原始残差重构得到最终图像。实验结果表明，算法在去除噪声的同时较好地保留了图像的方向信息。4.提出一种全参考类图像质量评价指标。评价内容包括算法的去噪的效果和保留原图像重要视觉信息的能力。在去噪效果方面，设计了一种检测噪声点的方法，首先I吉林大学博士学位论文判断像素与其邻域内像素的关系，遴选出疑似噪声点，其次再通过对比参考图像最终确定真正的噪声点，最后判断噪声点去除的百分比。在视觉相似度方面，采用结构相似度指标（SSIM）衡量去噪图像与参考图像间的

7、视觉相似性。进行了相应的实验对比，实验结果表明该指标在评价去噪能力方面具有明显的优势，与人的主观判断基本一致。5.噪声对图像分割的影响进行评估。将图像加入不同强度的噪声进行目标分割，本文采用两类图像，一类是嘴唇图像，采用一种基于RGB颜色空间的改进区域生长的算法，进行嘴唇轮廓提取。另一类是荧光图像，采用一种基于HSV颜色空间的分水岭算法，来实现目标和背景的分离。关键词：图像去噪，形态成分分析，经验模态分解，图像质量评价，图像分割IIAbstractAbstractStudyonImageDenoisingandItsE

8、ffectEvaluationFromtherockpaintingsinstoneagetothedigitalimagesinmodernsociety,imageshavecarried80%oftheamountofhumaninformation.Asanimportantvisualinformationcarrier