扫描图像去噪算法应用研究Word文档下载推荐.docx
- 文档编号:12973085
- 上传时间:2022-10-01
- 格式:DOCX
- 页数:31
- 大小:1.76MB
扫描图像去噪算法应用研究Word文档下载推荐.docx
《扫描图像去噪算法应用研究Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《扫描图像去噪算法应用研究Word文档下载推荐.docx(31页珍藏版)》请在冰豆网上搜索。
1.3国内外研究现状2
1.3.1国内研究现状2
1.3.2国外研究现状2
2图像去噪理论基础4
2.1噪声的基础理论4
2.1.1图像噪声的一般分类4
2.1.2噪声成因4
2.2图像去噪原理5
2.3图像去噪方法6
2.3.1空域图像去噪算法6
2.3.2频域图像去噪算法7
2.3.3其它去噪方法8
2.4仿真实验评价10
2.4.1主观评价10
2.4.2客观评价10
2.5小结11
3去噪算法Matlab实验仿真12
3.1算法介绍12
3.2算法仿真实验12
3.3实验结果分析18
3.4小结18
结论19
参考文献20
附录24
1绪论
随着数字时代,信息时代的到来,数字多媒体技术得到很大的发展,扫描作为获取数字化信息的一个重要途径,也得到了越来越广泛的应用。
最近,随着数码照相机等各类数码产品的普及,数字图像的处理已经成为数学和计算机科学交叉领域的一个研究点。
数字图像的处理就是人们通过对图像进行加工以满足人的视觉和心理或各种各样的应用需求。
随着科学的发展,人类对大自然的探索不断深入前进,高科技的手段日益发达,图像处理更在其中发挥极其重要的作用。
然而在其处理的过程中第一步是对图像进行地预处理,其中最关键的步骤就是扫描图像的有效去噪。
1.1研究的目的
扫描图像在生成和传输过程中,常常因受到各种噪声干扰和影响而使图片降低质量,这对后续图像的处理(如分割,压缩和图像理解等)将产生不利影响。
噪声种类很多,如:
电噪声、机械噪声、信道噪声和其他噪声。
在图像处理中,图像去噪是一个永远不会过时的主题,为了抑制噪声,改善图像质量,更高层次的处理,必须对图像进行去噪的预处理。
图像中的噪声影响到人们对图像的理解,而图像去噪的目的就是去除图像中的噪声,使人们对图像的认识更加清楚,以便对图像做进一步地处理。
1.2研究的意义
在日新月异的生活中,伴随着计算机网络技术的高速发展、计算机多媒体技术的广泛应用,信息在人们的生活、学习和工作中扮演着越来越重要的角色。
图像是人类传递信息的主要媒介,据统计,视觉信息在人类接收的信息中占60%,其中最主要、最直接的信息就是图像信息,一幅图像的信息量是文字、声音所的和生动性无法比较。
然而,图像在获取和传输的过程中,无法避免地受到内部因素和外部因素的干扰,常常被加入很多噪声。
噪声的存在破坏图像的质量,降低了其视觉效果,甚至破坏了图像的特征,这样就影响了图像后续的处理,比如:
图像理解,图像压缩,图像分割等。
,为了保证图像在使用时达到人们理想的效果,必须对数字图像进行预处理,对图像去噪。
图像预处理一般包括:
图像特征增强、图像去噪、图像恢复等,图像预处理中最重要的技术是图像去噪。
图像去噪技术的使用可有效的提高了图像的质量,更好地体现了图像所携带的信息资源,作为最重要的预处理手段为后续的数字图像处理奠定了基础。
因此在图像的预处理阶段去除噪声,恢复原始图像具有重要的意义。
图像去噪研究方法具有重要的意义,主要表现在:
窗体顶端
(1)对于噪声图像去噪,可有效保证正确识别图像信息。
由于成像机理不同的初始图像获得往往包含许多不同类型的噪声,他们的存在影响了人们观察图像的视觉感受,干扰的图像信息的人的理解。
当图像包含噪声严重,画面变得非常模糊,图像丢失存储信息的本质意义。
因此,图像去噪是非常重要的。
(2)除了能提高人识别视觉信息,对图像去噪处理的意义还在于它是图像作为进一步处理的可靠保证。
如果一幅图像含有噪声并且对其进行特征提取、配准或者图像融合等处理,其结果肯定不能令人满意,所以图像去噪是不可缺少的。
窗体底端
(3)虽然已经提出了许多常见的图像去噪方法,但这些方法都不是完美的,主要
性能:
降低图像噪音,它不能很好的保护图像细节。
因此,进一步提高了
现有的图像去噪或研究新的图像去噪的意义仍然显著.
(4)研究的图像处理方法,不仅有效地降低噪音和其他数字图像性能处理链也有很好的促进作用。
(5)降噪,不仅提高了图像质量,而且还具有非常广泛的应用。
在军事侦察警方研究,指纹识别,遥感图像识别,视频监控,医疗成像等领域,图像降噪法这项研究具有非常广阔的应用前景。
1.3国内外研究现状
1.3.1国内研究现状
我国根据实际图像的特性,噪声和频谱分布的统计特性,开发了多种去噪方法。
一个最直观的方法通常集中在高频率的能量根据噪声,在一个图像的频谱分布一个有限的范围内的特性,低通滤波方法进行去噪方法,如移动平均滤波窗口,有线性的维纳滤波,去噪等,其他的方法如基于一阶滤波方法(订购量),是基于偏微分方程的马尔可夫模型(偏微分方程)的方法和LP形式方法等等。
优点和潜在的信号对噪声表现出的小波分析,这一直是研究的重点,并也取得了一定的成果。
中科院王卓亚[1]针对目前比较通用的先用较大解析度扫描图像,再用柔化滤波器模糊图像,最后再把图像缩小到适当尺寸的去噪方法需要结合硬件,处理麻烦的事实。
提出一种先去除图像孤立点的方法去除网点脉冲噪音,完好保留细节,再用线性高斯低通滤波器的去噪方法。
并且用实验法对比了不同高斯滤波器效果,挑出了最合适的线性低通滤波器,实验结果表明此法所用滤波器比较单一,易用硬件实现,可消除椒盐噪音和复原图像且效果比较好。
陕西科技大学的张琳[2]在印刷杂志上提出针对灰度图的去噪算法。
用2D-FFT(二维快速傅里叶变换)测量体系的空间频率,从而确定原稿的加网线数。
测出加网线数后,为了能够找出最合适的高斯系数,他事先对大量不同加网线数的印刷品原稿进行试验,找出不同高斯系数与其去噪效果之间的规律性,从而在扫描时根据加网线数反推出高斯系数。
使用高斯低通滤波器的缺点之一,是其它高频区域也被影响,从而导致边缘的模糊以及在高调纹理区域细节的丢失,但这种影响是非常小的。
1.3.2国外研究现状
相对我国,国外目前大多数的图像去噪方法,是多种方法相结合,在能够保持边缘信息的基础上,还可以去除了图像中的噪声。
例如,中值滤波和小波滤波结合滤波器。
一些组合的线性滤波一种新的非线性滤波滤波中值滤波的思想,充分利用这两种优势的过滤器,更好的为了提高滤波性能。
提出了以满足实时图像处理和滤波,高斯和脉冲混合噪声的基础上的所有要求快速自适应滤波操作,该滤波器可以使计算量大为减少,可用于实时图像处理在系统中,并与其他类似的过滤器的过滤效果。
学术讨论过或优化方法,但在选择的时候,首先根据滤波器数据的实际经验和存在的问题,进行分析和选择算法。
转换过程中的数据处理预处理和后处理是小波的研究方向。
JieboLuo[3]等人提出了一种新的基于小波变换的方法,先将半色调图像进行小波分解以便于在空间域和频率域的处理,有效地消除半色调噪音,然后用一种非线性滤波器来处理就得到了具有连续色调的图像。
此法最适合用在特定的半色调图像上。
但是由于其独立的参数估计,也可用于所有类型的半色调图像。
HasibSiddiqui[4]等人提出一种结合RSD(基于合成的分辨率去噪法)和改进的SUSAN(最小核值相似区)滤波器两种非线性图像处理技术的基于机器学习的去噪算法。
此法可根据特定的硬件参数自动优化去噪方法,有效地抑制摩尔网纹,也可以用内部锐化的训练法来强化扫描文档质量和保持边缘信息。
一旦对图像进行了优化,就可以将这种算法用在处理随机误差分散的扫描半色调图像的噪音问题上。
CJStanger[5]等人提出了一种自定义的带阻滤波器“SwissCheese”来隔离和去除与半色调有关的频率,且能在不对图像进行分割和边缘检测的情况下较好地保持图像的边缘。
为了加速硬件的处理过程,将图像分割成一系列重叠的窗口,分别在频率域里进行处理,再用一种不会出现快效应的方法将窗口组合还原形成完整的图像。
实验证明这种滤波器方法在处理半色调彩色图像里发挥了很好的作用,不仅完整的保存了原图像的细节,更是没有出现模糊现象。
2图像去噪理论基础
2.1噪声的基础理论
2.1.1图像噪声的一般分类
噪声分类的方法有很多很多,比较常见有以下四种[6]。
(1)从噪声的来源来看可分为乘性噪声、量化噪声、椒盐噪、加性噪声声等;
(2)从统计的观点看,凡是统计的特征不随时间变化而变化的称为平稳噪声,统计特征随时间变化而变化的称作非平稳噪声;
(3)从噪声的性质来看可分为脉冲噪声和高斯噪声(白噪声)两类。
而在数字图像的获取和传输过程中,传感器和传输信道经常会产生一些脉冲噪声,其极大地影响了图像质量。
光电子噪声、电子噪声、感光片颗粒噪声是影响图像质量的三类主要噪声源,它们都可以来用直方图为高斯分布的白噪声作为有效模型。
(4)从噪声幅度分布的统计来看,其密度函数有瑞利型、高斯型,分别称为瑞利噪声和高斯噪声;
2.1.2噪声成因
现在成像系统,在扫描的二维图像信号转换为光电转换被转换成电信号,然后是一维处理。
的最后一维二维图像信号转换成电信号后,进行处理。
噪音也类似地转换。
使用光导照相机,该信号幅度和噪声振幅可以被认为是独立的。
信号和噪声使用相机的超实证分析,噪音和明亮的大,小片的暗部的噪音有关,量化噪声是几乎持平,但显示的伪轮廓量化噪声时,此刻的视频信号会颤,因为随机噪声,这种类型的图像内容,阶段数字图像处理技术,图像噪声,绝对是目前这方面的贡献;
顶部波形,乘性噪声作为老放大器的噪声,噪声称被称为噪声叠加的波形称这种类型的混合。
量化噪声变得不那么明显,但是每个像素中,不管是什么输入信号和噪声的大小总是被添加到该信号。
光胶片颗粒噪声量子噪声。
第二噪声调制到一个载波更改与由自身产生的每个像素的信息。
在某些情况下,如输入信号中的小变化,噪声也不是很大。
为了便于分析和处理,常常乘性噪声的方法被认为是加性噪声和信号和噪声总是假设为统计独立彼此。
2.2图像去噪原理
其中之一是由大量的象素和在图像中的每个像素可以看出每一个像素的灰度值范围从0-255(此处我们只讨论了单色图像),用于单色图象以对应于灰度值。
我们将讨论如何进行有效的图像去噪噪声。
通常其他周围像素根据噪声污染,因而大偏差像素灰度值,正常灰度值被用于它自己的域信息来完成噪声点的恢复。
使用在其字段值指定的信息更改为灰色像素的位置,但这个程序通常是通过操作模板进行:
即图像去噪的本质。
一副n×
n模板是指一副n行n列的小图像,n取奇数,且n远小于噪声图像的长和宽,通常来说n取3,5,7,例如3×
3模板如图2-1所示,此时3×
3模板中心位置代表着需要去噪的像素点,通常标记为a0,其余位置依次表示为a1,a2,a3,a4,a5,a6,a7,a8,而且a0,…,a8这九个位置可分别设定为不同的权值,依照此类定义方法,还可以定义5×
5模板以及7×
7模板等[7]。
图2.13×
3模板
利用n×
n模板进行图像的去噪步骤如下:
(1)将定义的n×
n模板在指定噪声图像中,并将模板中心a0与图中某个像素m(x,y)重合(此像素称为待去噪的像素点)。
(2)然后将模板上的各位置的值(权值)与模板下对应图像像素的灰度值相乘,再相加。
例如:
对于3×
3的模板来说,9个位置的权值分别为a0,…,a8,模板下相
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 扫描 图像 算法 应用 研究