论文部分内容阅读
图像信号在产生、传输和记录过程中,经常会受到各种噪声的干扰,这破坏了图像的视觉效果,严重影响了边缘检测、图像分割等后续处理的进行。因此,采用适当的方法减少噪声(即对图像进行滤波)是一项非常重要的工作。图像的噪声有很多种,其中,脉冲噪声是最为常见的一种形式。目前,图像滤波常用的方法包括线性滤波技术和非线性滤波技术。在进行图像处理时,传统的线性滤波器虽然能够滤除噪声,但同时往往会使边缘等图像细节严重模糊,而且脉冲噪声不能得以有效滤除。非线性滤波对脉冲信号具有良好的抑制能力,在一定程度上克服了线性滤波器的缺点。中值滤波作为非线性滤波方法的代表,虽然能够有效地去除脉冲噪声,但是同时会损失图像中一些重要的细节信息。在这种情况下,许多改进的中值滤波算法应运而生,本文在这些成果的基础上对中值滤波算法进行了深入研究。文章首先阐述了图像去噪的研究意义和应用价值,对图像去噪的发展概况进行了全面的综述,并概括了图像去噪的研究热点和趋势。然后介绍了图像去噪的基本理论,详细研究了标准中值滤波算法及其改进算法。为了改善中值滤波算法的性能,提高图像去噪的质量,本文主要在以下方面做了工作:(1)图像信息自身的复杂性和较强的相关性,使得图像处理过程中不可避免地存在不完整和不确定的问题,而这正是粗糙集理论的研究内容。结合粗糙集理论的研究成果,提出一种新的中值滤波算法。通过判断像素属性,利用不可分辨关系将图像像素区分为噪声像素和信号像素,对噪声像素进行中值滤波而保持其他像素灰度值不变。模糊隶属度还被应用到判断像素属性的过程中,收到良好效果。实验结果显示,这种方法具有较好的图像去噪效果和细节保护性能。(2)在众多中值滤波的改进算法中,自适应中值滤波算法在去除脉冲噪声的过程中显示出其优越的性能。本文在对自适应中值滤波算法进行研究之后,针对其存在的问题,结合自适应中值滤波在去除脉冲噪声过程中的优点,给出了一种改进的自适应中值滤波算法。首先根据脉冲噪声的特性检测噪声,并引入最大差异,避免将高频信号误判为噪声;然后对噪声像素灰度值的估计方法作了改进,根据像素灰度值的分布进行滤波。实验表明,此方法具有实用性和有效性。(3)在RGB空间中,由于彩色图像的任一像素点都有R、G、B三个颜色分量值,只要有一个颜色分量受到噪声污染,就会对该像素的颜色产生影响。现有的矢量方法虽然在进行去噪处理时考虑了三个颜色分量之间的联系,但是因为受噪声污染点也参与输出值的形成过程,就使得到的输出值不可避免地含有噪声污染。为了改善去噪效果,将改进的自适应中值滤波算法应用到彩色图像去噪领域,分别对R、G、B颜色分量进行判断处理。为了验证算法的有效性,本文在VC++6.0编程环境下对具有不同噪声密度的图像进行滤波,并与传统去噪方法的效果进行比较。结果表明,本文提出的算法能有效去除噪声并在一定程度上保留图像细节,特别是在噪声密度较大的情况下,比其他滤波算法有更大的优越性。