同时含有椒盐噪声和高斯噪声的图像消噪处理图像课设论文

燕山大学

课程设计说明书

题目：同时含有椒盐噪声和高斯噪声的图像消噪处理

学院（系）：

年级专业： 13级自动化仪表

学号：

学生姓名：

指导教师：吴晓光

教师职称：讲师

燕山大学课程设计（论文）任务书

院（系）：基层教学单位：

说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。

2015年 12月 31 日燕山大学课程设计评审意见表

燕山大学课程设计

目录

一、噪声的分类 (1)

二、滤波原理 (1)

三、综合智能识别 (1)

四、处理结果 (1)

五、程序 (1)

六、参考文献 (1)

共21页第1页

燕山大学课程设计

摘要

在数字图像处理领域，图像噪声的滤除一直是最重要、最基本的研究课题之一。由高斯噪声和椒盐噪声叠加而成的混合噪声是数字图像中存在的一种典型噪声。而传统方法对于这种类型噪声的处理效果往往是不尽如人意的，主要表现在滤除图像噪声的同时会对图像细节产生丢失。

绝大部分自然图像几乎同时含有椒盐噪声和高斯噪声，简单的使用传统的滤波算法不能获得理想的滤波效果。为了解决混有这两种噪声图像的滤波问题，分别针对以椒盐噪声为主的混合噪声图像和高斯噪声为主的混合噪声图像，提出了双阂值滤波算法。这种算法是在修正后的阿尔法均值滤波算法的基础上做了两方面的改进:首先，提出在图像邻域内为不同灰度值的像素点给出归一化的权值，用这些权值和其对应的灰度值共同决定滤波输出。其次，所设计的权值可以用修正因子来进行微调，来获得理想的滤波效果。实验证明，其处理效果优于传统滤波算法和修正后的阿尔法均值滤波算法。

本论文所提出的算法均在MATLAB上进行了仿真，并进行相应的新旧算法比较，本文介绍有中值滤波，均值滤波等经典的滤波的算法，通过与改进后的自适应中值滤波和维纳滤波进行对比。

主题词：阿尔法均值滤波中值滤波维纳滤波

共21页第1页

燕 山 大 学 课 程 设 计

共 21页 第 1页

一、噪声的分类

在我们的图像中常见的噪声主要有以下几种:

（1）加性噪声

加性嗓声和图像信号强度是不相关的，如图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声。这类带有噪声的图像g 可看成为理想无噪声图像f 与噪声n 之和，即

g

f n =+

（2）乘性噪声 乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒造成等，这类噪声和图像的关系是

g f f n =

+?

（3）高斯噪声 高斯噪声是数字图像的主要噪声源，高斯噪声是一种随机噪声，在任选瞬时中任取n 个，其值按n 个变数的高斯概率定律分布。

1、高斯噪声完全是由两瞬时的协方差函数和它的时变平均值来确定，如果噪声是平稳的，则平均值与时间无关，此时协方差函数则变成只与所探讨的两瞬时之差有关的相关函数，在意义上与功率谱密度等同。

2、高斯噪声可以是大量独立的脉冲所产生的，从而在任何有限时间间隔内，这些脉冲中的每一个脉冲值与所有脉冲值的总和相比都可忽略不计。

3、实际上热噪声、散弹噪声及量子噪声都是高斯噪声。

高斯白噪声:如果某个噪声，它的功率谱密度服从均匀分布，而幅度分布服从高斯分布，则称其为高斯白噪声。散粒噪声和热噪声都是高斯白噪声，所谓高斯白噪声中的“高斯”是指概率分布函数是正态函数，而“白噪声”则是指它的一阶矩为常数，二阶矩不

燕 山 大 学 课 程 设 计

共 21页 第 1页 相关，表示为先后信号在时间上的相关性。这是考查一个信号的两个不同方面的问题。 时变信号是信号的幅度随时间变化的信号，幅度不随时间变化的信号，即幅度保持为常数的信号叫时不变信号。高斯白噪声是指信号中包含从负无穷到正无穷之间的所有频率分量，且各频率分量在信号中的权值相同。白光包含各个频率成分的光，白噪声这个名称是由此而来的。它在任意时刻的幅度是随机的，但在整体上满足高斯分布函数。

(x)(z)()x x a F f dz σ-∞-==Φ?

1.3高斯噪声的经典算法

1.3.1算术均值滤波法 1）算法原理:算术平均滤波是根据N 个采样数据1

x 、2x ……N x ，寻找Y ，使得Y

与各个采样值之间的偏差的平方之和最小，即: 21(y x

)N i E i ==-∑

最小。

而Y 是由一元函数求极值的原理获得

11N

i

i y x N ==∑

2)算法特点:此算法对于周期性波动的信号具有很好的滤波平滑效果，比较适用于那些具有随机干扰的信号的滤波。此种算法对于信号的滤波效果和平滑程度将取决于N 的值。N 较小时，平滑度低，滤波效果不太明显。N 较大时，灵敏度低，平滑度高，实时性差。而此算法的主要缺陷在于:不适用对要求计算速度较快或者测量速度较慢的实 时控制。

3)算术均值滤波器

算术均值滤波器是最简单的均值滤波器。令表示中心在点(x, y)处、大小为m*n 的

燕 山 大 学 课 程 设 计

共 21页 第 1页 矩形子图像窗口(邻域)的一组坐标。算术均值滤波在xy S 定义的区域中计算被

污染图像g （x,y ）的平均值。在点(x, y)处复原图像*

f 的值，就简单地使用xy S 定义的区域中的像素计算出的算数平均值，即 *(s,t)S 1(x,y)(s,t)xy f

g mn ∈=∑（m 和n 是奇整数）

这个操作可以使用大小为m*n 的一个空间滤波器来实现，其所有的系数均为其值的 1 /mn 。均值滤波平滑一幅图像中的局部变化，虽然模糊了结果，但降低了噪声。这个操作可以用其系数为1 /mn 的卷积模版来实现。其滤波模板为:

??????????=111111111911ω

（4）“椒盐”噪声

此类嗓声如图像切割引起的即黑图像上的白点。白图像上的黑点噪声，在变换域引入的误差，使图像反变换后造成的变换噪声等。

去噪后的图像一般需要考虑三个方面的因素:1.噪声衰减程度2.区域平滑程度3.边缘保持程度。去嗓后的图像保持尽可能地衰减噪声，尽可能地平滑区域，尽可能地保持图像边缘鲜明。椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。去除脉冲干扰和椒盐噪声最常用的算法是中值滤波。路面图像被看作为结构光图像，一般运用区域分割技术里的阂值分割法来去除白噪声和一些椒盐噪声，而一般不能运用中值滤波来滤除白噪声和部分椒盐噪声，因为滤波器模板在图像中漫游的时候会影响光条中像素的灰度分布，给之后重心法的细化过程带来负面影响。

燕 山 大 学 课 程 设 计

共 21页 第 1页 从大量实验研究中可发现，通过摄像机拍摄获取的图像受椒盐噪声、离散脉冲和均值为零的高斯噪声的影响很严重。图像噪声给数字图像处理带来了许多困难，对图像识别、特征提取、图像分割等有直接的影响。因此，实时采集获得的图像必须经过滤波预处理。去除图像里的那部分噪声成份被称为图像的滤波或平滑化操作。平滑的目的有两个:一是为了适应计算机处理过程中的要求，滤除掉图像数字化过程中所混入的部分噪声;二是提取出处理对象的一些特征作为图像识别时的特征模式。而滤波处理过程中的要求也有两条:一是不能破坏图像轮廓和边缘等重要的信息;二是使图像变得 …… 此处隐藏：9099字，全部文档内容请下载后查看。喜欢就下载吧 ……