邊界保持平滑濾波方法研究 灰度方差 k近鄰平滑(共42頁(yè))

1、北京.大學(xué)畢業(yè)設(shè)計(jì)（論文）北京(bi jn).大學(xué)畢業(yè)設(shè)計(jì)(b y sh j)（論文） HYPERLINK 38/dx/public/application_view.jsp?no=09021107 圖像降噪中的邊界保持平滑濾波方法(fngf)研究 姓名：學(xué)號(hào)：指導(dǎo)教師：II摘要(zhiyo)當(dāng)今社會(huì)是信息(xnx)數(shù)字化時(shí)代,無(wú)論是學(xué)習(xí)(xux),生活都與信息數(shù)字緊密相關(guān)聯(lián),其中數(shù)字圖像處理在其中占有著舉足輕重的地位。21世紀(jì),數(shù)字圖像處理技術(shù)高速發(fā)展,并廣泛應(yīng)用于識(shí)別領(lǐng)域,醫(yī)學(xué)領(lǐng)域,體育領(lǐng)域等。平滑濾波是圖像處理學(xué)的基礎(chǔ).最基礎(chǔ)的濾波方式是均值濾波和中值濾波,這兩種濾波方式對(duì)噪聲都有抑制作

2、用而且算法簡(jiǎn)單,但是導(dǎo)致圖像變模糊尤其是邊緣變模糊是無(wú)可避免的。雖然將濾波器加權(quán)后,效果有所改善,但理論是近似的,所以效果仍不明顯。為了改善邊緣的模糊,我們發(fā)現(xiàn)只要處理好灰度變化顯著的邊緣,圖像就會(huì)達(dá)到一個(gè)很好的效果,要最大程度保持圖片的清晰,希望在進(jìn)行平滑處理的同時(shí),檢測(cè)出景物的邊界,然后對(duì)噪聲進(jìn)行處理。本文用matlab編輯算法實(shí)現(xiàn)中值濾波,均值濾波,最小方差濾波,k近鄰濾波對(duì)噪聲的處理,并進(jìn)行性能的分析和比較。關(guān)鍵詞:matlab;中值濾波;均值濾波;最小方差濾波;k近鄰濾波Abstact Modern society is digital , whether learning or l

3、ife is closely associated with digital information, including digital image processing in which occupies a pivotal position .21 century, the rapid development of digital image processing technology widely used in the field of identification, medicalfication, the field of sports. The smoothing filter

4、 is the basis of image processing. The most basic filter is the mean filter and median filter, both filtering noise inhibited and the algorithm is simple, but lead to the edge of the image blurred without avoidable. Although the effect is improving ,the theory is approximate, so the effect is still

5、not clear. In order to improve the edge blur, we found that handling the gray-scale variation significant edge, the image will reach a good effect, To the maximum extent to maintain the clarity of the picture, while performing smoothing processing, a scene boundary is detected, then, the noise is pr

6、ocessing. In this paper, using matlab algorithm for editing median filtering, mean filtering, minimum variance filtering, k-nearest neighbor filtering noise processing and analysis and comparison of performance.Keywords: matlab; median filter; mean filter; minimum variance filtering; k nearest neigh

7、bor filter目錄 TOC o 1-3 h z u HYPERLINK l _Toc358195240 摘要 PAGEREF _Toc358195240 h I HYPERLINK l _Toc358195241 Abstact PAGEREF _Toc358195241 h II HYPERLINK l _Toc358195242 第1章:緒論 PAGEREF _Toc358195242 h 1 HYPERLINK l _Toc358195243 1.1 課題背景 PAGEREF _Toc358195243 h 1 HYPERLINK l _Toc358195244 1.2研究目標(biāo) P

8、AGEREF _Toc358195244 h 1 HYPERLINK l _Toc358195245 1.3研究?jī)?nèi)容 PAGEREF _Toc358195245 h 1 HYPERLINK l _Toc358195246 1.4論文的組織安排 PAGEREF _Toc358195246 h 2 HYPERLINK l _Toc358195247 第2章 平滑濾波的相關(guān)知識(shí) PAGEREF _Toc358195247 h 3 HYPERLINK l _Toc358195248 2.1噪聲的相關(guān)知識(shí) PAGEREF _Toc358195248 h 3 HYPERLINK l _Toc3581952

9、49 2.1.1 噪聲的定義 PAGEREF _Toc358195249 h 3 HYPERLINK l _Toc358195250 2.1.2在matlab中添加噪聲 PAGEREF _Toc358195250 h 4 HYPERLINK l _Toc358195251 2.2彩色圖像的分解 PAGEREF _Toc358195251 h 5 HYPERLINK l _Toc358195252 2.3平滑的概念 PAGEREF _Toc358195252 h 6 HYPERLINK l _Toc358195253 2.3.1空間域方法 PAGEREF _Toc358195253 h 7 HY

10、PERLINK l _Toc358195254 2.3.2頻率域方法 PAGEREF _Toc358195254 h 7 HYPERLINK l _Toc358195255 2.3.3平滑算法 PAGEREF _Toc358195255 h 7 HYPERLINK l _Toc358195256 2.4峰值信噪比的概念 PAGEREF _Toc358195256 h 8 HYPERLINK l _Toc358195257 第3章均值濾波 PAGEREF _Toc358195257 h 10 HYPERLINK l _Toc358195258 3.1均值濾波的概念及方法 PAGEREF _Toc

11、358195258 h 10 HYPERLINK l _Toc358195259 3.2均值濾波的效果比較 PAGEREF _Toc358195259 h 11 HYPERLINK l _Toc358195260 3.3均值濾波的評(píng)價(jià) PAGEREF _Toc358195260 h 13 HYPERLINK l _Toc358195261 第4章中值濾波 PAGEREF _Toc358195261 h 14 HYPERLINK l _Toc358195262 4.1中值濾波的概念和方法 PAGEREF _Toc358195262 h 14 HYPERLINK l _Toc358195263 4

12、.2均值濾波的效果比較 PAGEREF _Toc358195263 h 14 HYPERLINK l _Toc358195264 對(duì)加椒鹽噪聲的圖像進(jìn)行中值濾波得到濾波前后的圖像比較,如圖10,圖11所示: PAGEREF _Toc358195264 h 14 HYPERLINK l _Toc358195265 4.3中值濾波的評(píng)價(jià) PAGEREF _Toc358195265 h 16 HYPERLINK l _Toc358195266 第5章灰度最小方差濾波器 PAGEREF _Toc358195266 h 17 HYPERLINK l _Toc358195267 5.1邊緣保持類(lèi)平滑濾波的

13、效果 PAGEREF _Toc358195267 h 17 HYPERLINK l _Toc358195268 5.2灰度最小方差濾波器 PAGEREF _Toc358195268 h 17 HYPERLINK l _Toc358195269 5.2.1灰度最小方差濾波器的概念和方法 PAGEREF _Toc358195269 h 17 HYPERLINK l _Toc358195270 5.2.3灰度最小方差濾波器效果比較 PAGEREF _Toc358195270 h 19 HYPERLINK l _Toc358195271 5.2.4灰度最小方差濾波器的評(píng)價(jià) PAGEREF _Toc35

14、8195271 h 20 HYPERLINK l _Toc358195272 第6章K近鄰平滑濾波器 PAGEREF _Toc358195272 h 21 HYPERLINK l _Toc358195273 6.1 k近鄰平滑濾波器的概念和方法 PAGEREF _Toc358195273 h 21 HYPERLINK l _Toc358195274 6.2k近鄰平滑濾波器的效果比較 PAGEREF _Toc358195274 h 21 HYPERLINK l _Toc358195275 6.3k近鄰平滑濾波器的評(píng)價(jià) PAGEREF _Toc358195275 h 24 HYPERLINK l

15、_Toc358195276 結(jié)論 PAGEREF _Toc358195276 h 25 HYPERLINK l _Toc358195277 致謝 PAGEREF _Toc358195277 h 28 HYPERLINK l _Toc358195278 主要參考文獻(xiàn) PAGEREF _Toc358195278 h 29 HYPERLINK l _Toc358195279 附錄 主要程序源代碼 PAGEREF _Toc358195279 h 30第1章:緒論(xln)1.1 課題(kt)背景平滑濾波是低頻(dpn)增強(qiáng)的空間域?yàn)V波技術(shù)。它的目的有兩類(lèi)：一類(lèi)是模糊；另一類(lèi)是消除噪音?？臻g域的平滑濾波

16、一般采用 HYPERLINK /view/8336681.htm t _blank 簡(jiǎn)單平均法進(jìn)行，就是求鄰近 HYPERLINK /view/1251647.htm t _blank 像元點(diǎn)的平均亮度值。鄰域的大小與平滑的效果直接相關(guān)，鄰域越大平滑的效果越好，但鄰域過(guò)大，平滑會(huì)使邊緣信息損失的越大，從而使輸出的圖像變得模糊，因此需合理選擇鄰域的大小,或者使用邊緣保持類(lèi)平滑濾波器。濾波的本義是指信號(hào)有各種頻率的成分,濾掉不想要的成分,即為濾掉常說(shuō)的噪聲,留下想要的成分。這即是濾波的過(guò)程,也是目的。一是抽出對(duì)象的特征作為圖像識(shí)別的特征模式；另一個(gè)是為適應(yīng)圖像處理的要求，消除圖像數(shù)字化時(shí)所混入的噪

17、聲。各類(lèi)圖像處理系統(tǒng)在圖像的采集、獲取、傳送和轉(zhuǎn)換(如成像、復(fù)制掃描、傳輸以及顯示等)過(guò)程中，均處在復(fù)雜的環(huán)境中，光照、電磁多變，所有的圖像均不同程度地被可見(jiàn)或不可見(jiàn)的噪聲干擾。噪聲源包括電子噪聲、光子噪聲、斑點(diǎn)噪聲和量化噪聲。如果信噪比低于一定的水平，噪聲逐漸變成可見(jiàn)的顆粒形狀，導(dǎo)致圖像質(zhì)量的下降。除了視覺(jué)上質(zhì)量下降，噪聲同樣可能掩蓋重要的圖像細(xì)節(jié)，在對(duì)采集到的原始圖像做進(jìn)一步的分割處理時(shí)，我們發(fā)現(xiàn)有一些分布不規(guī)律的椒鹽噪聲，為此采取相應(yīng)的對(duì)策就是對(duì)圖像進(jìn)行必要的濾波降噪處理。1.2研究目標(biāo)研究基于matlab對(duì)圖像進(jìn)行非邊緣保持和邊緣保持平滑濾波,經(jīng)普通平滑濾波器對(duì)圖像處理后,不可避免的帶

18、來(lái)邊緣模糊,所以要設(shè)計(jì)一種平滑濾波器,在濾除噪聲的同時(shí)檢測(cè)出邊界并保持邊界清晰,提升圖像質(zhì)量。1.3研究?jī)?nèi)容根據(jù)論文的研究目標(biāo),主要研究?jī)?nèi)容如下:1.非邊緣保持類(lèi)平滑濾波器:研究并實(shí)現(xiàn)非邊緣保持類(lèi)平滑濾波器的算法,比非邊緣保持類(lèi)平滑濾波器對(duì)椒鹽噪聲和高斯噪聲的處理效果和psnr值。2.邊緣保持類(lèi)平滑濾波器:研究并實(shí)現(xiàn)邊緣保持類(lèi)平滑濾波器的算法,比較邊緣保持類(lèi)平滑濾波器對(duì)椒鹽噪聲和高斯噪聲的處理效果和psnr值。1.4論文(lnwn)的組織安排本文結(jié)構(gòu)組織(zzh)如下:第一章是論文緒論(xln)部分,主要介紹課題背景,研究目標(biāo),研究?jī)?nèi)容。第二章介紹平滑濾波的相關(guān)知識(shí),即噪聲的概念,彩色圖像的分

19、解,平滑的概念,以及峰值信噪比的概念。第三章介紹均值濾波器,即均值濾波器對(duì)不同噪聲的處理效果,圖像的峰值信噪比。第四章介紹中值濾波器,即中值濾波器對(duì)不同噪聲的處理效果,圖像的峰值信噪比。第五章介紹灰度最小方差均值濾波器,即灰度最小方差濾波器對(duì)不同噪聲的處理效果,圖像的峰值信噪。第六章介紹k近鄰平滑濾波器,即k近鄰平滑濾波器,即k近鄰平滑濾波器對(duì)不同噪聲的處理效果,圖像的峰值信噪比。第七章給出結(jié)論,比較不通濾波器的處理效果,峰值信噪比,以及計(jì)算速度。第2章 平滑(pnghu)濾波的相關(guān)知識(shí)2.1噪聲(zoshng)的相關(guān)(xinggun)知識(shí)2.1.1 噪聲的定義一般噪聲是不可預(yù)測(cè)的隨機(jī)信號(hào),通

20、常采用概率統(tǒng)計(jì)方法對(duì)其進(jìn)行研究。噪聲對(duì)圖像處理十分重要,它影響圖像處理的輸入,采集,處理等各個(gè)環(huán)節(jié)以及輸出結(jié)果的全過(guò)程。特別是圖像的輸入,采集噪聲的抑制是十分關(guān)鍵的問(wèn)題,若輸入伴有較大的噪聲,必然會(huì)影響處理全過(guò)程及輸出的結(jié)果。因此一個(gè)良好的圖像處理系統(tǒng),不論是模擬處理還是用計(jì)算機(jī)處理,無(wú)不把減少最前一級(jí)的噪聲作為主要目標(biāo)。根據(jù)噪聲來(lái)源,大致分為外部噪聲,內(nèi)部噪聲兩大類(lèi)。外部噪聲是指從處理系統(tǒng)外來(lái)的影響,如天線干擾或電磁波從電源線竄入到系統(tǒng)的噪聲。內(nèi)部噪聲有以下四種常見(jiàn)的形式。1.由光和電的基本性質(zhì)引起的噪聲。2.由機(jī)械運(yùn)動(dòng)引起的噪聲,比如電源接頭的不穩(wěn)定引起的。3.元器件噪聲,比如磁帶或者光盤(pán)

21、的缺陷造成的噪聲。4.系統(tǒng)內(nèi)部電路的噪聲。噪聲是隨機(jī)產(chǎn)生的,所以我們可以從數(shù)學(xué)統(tǒng)計(jì)的方面來(lái)理解噪聲,不隨時(shí)間變化的稱(chēng)為平穩(wěn)噪聲,隨時(shí)間變化的是非平穩(wěn)噪聲3。我們常遇到的噪聲有椒鹽噪聲,高斯噪聲等.椒鹽噪聲出現(xiàn)在像素點(diǎn)上的位置是隨機(jī)的,幅值基本上相同.高斯噪聲是每一個(gè)像素都存在的噪聲,但幅值是隨機(jī)分布的。一般情況下,我們是采用均值和方差對(duì)噪聲進(jìn)行描述,信號(hào)的二維灰度用f(x,y)表示,噪聲用n(x,y)表示 (1.1) (1.2)噪聲可以分為加性噪聲和乘性噪聲兩大類(lèi)。設(shè)f(x,y)為信號(hào),n(x,y)為噪聲,在信號(hào)n(x,y)影響下的輸出為g(x,y),則加性噪聲模型為g(x,y)=f(x,y)

22、+n(x,y)乘性噪聲模型為 g(x,y)=f(x,y)1+n(x,y)=f(x,y)+f(x,y)n(x,y)通常噪聲的抑制(yzh)是針對(duì)加性噪聲。2.1.2在matlab中添加(tin ji)噪聲在matlab中給原始圖像(t xin)加噪聲,形成有噪圖像,如圖1所示:例：I=imread(eight.tif);J1=imnoise(I,gaussian,0,0.02);J2=imnoise(I,salt & pepper,0.02);J3=imnoise(I,speckle,0.02);subplot(2,2,1),imshow(I),title(原圖像);subplot(2,2,2)

23、,imshow(J1),title(加高斯噪聲);subplot(2,2,3),imshow(J2),title(加椒鹽噪聲);subplot(2,2,4),imshow(J3),title(加乘性噪聲);圖1 加各種噪聲的舉例在上面的例子中使用了一個(gè)函數(shù)subplot。其作用就是將多幅圖像顯示再同一幅圖像顯示對(duì)話框中。其語(yǔ)法格式為：subplot(m,n,p)。其作用就是將一個(gè)圖像顯示對(duì)話框分成m行n列，并顯示第p幅圖像。在MATLAB程序語(yǔ)言中，分號(hào)的用處為不顯示程序運(yùn)算中的中間結(jié)果，這在一定程度上使系統(tǒng)運(yùn)算的效率增高，因此在不需知道中間結(jié)果的情況下，可以用分號(hào)作為一個(gè)句子的結(jié)尾，而不顯示

24、該句運(yùn)算的中間結(jié)果。2.2彩色圖像的分解(fnji)圖像(t xin)處理一般是針對(duì)灰度圖像,如果需要對(duì)彩色圖像處理,需要現(xiàn)將其分解,再合成。一幅(y f)RGB圖像在MATLAB中表示為一個(gè)MN3的3維數(shù)組,如圖2所示: 圖2 RGB圖像的3維數(shù)組形成一幅RGB圖像的三個(gè)圖像稱(chēng)為紅、綠、藍(lán)分量圖像,如圖3所示: 圖3 RGB分量rgb_image=imread(peppers.png);subplot(2,2,1),imshow(rgb_image)fR=rgb_image(:,:,1);fG=rgb_image(:,:,2);fB=rgb_image(:,:,3);rgb_red=cat(

25、3,fR,zeros(size(fR),zeros(size(fR);subplot(2,2,2),imshow(rgb_red)rgb_green=cat(3,zeros(size(fR),fG,zeros(size(fR);subplot(2,2,3),imshow(rgb_green)rgb_blue=cat(3,zeros(size(fR),zeros(size(fR),fB);subplot(2,2,4),imshow(rgb_blue)RGB彩色分量圖如圖4所示: 圖4 RGB分量(fn ling)圖顯示2.3平滑(pnghu)的概念圖像平滑主要是為了消除被污染(wrn)圖像中的噪

26、聲,這是遙感圖像處理研究的最基本內(nèi)容之一,被廣泛應(yīng)用于圖像顯示、傳輸、分析、動(dòng)畫(huà)制作、媒體合成等多個(gè)方面。該技術(shù)是出于人類(lèi)視覺(jué)系統(tǒng)的生理接受特點(diǎn)而設(shè)計(jì)的一種改善圖像質(zhì)量的方法。處理對(duì)象是在圖像生成、傳輸、處理、顯示等過(guò)程中受到多種因素?cái)_動(dòng)形成的加噪圖像。在圖像處理體系中,圖像平滑是圖像復(fù)原技術(shù)針對(duì)“一幅圖像中唯一存在的退化是噪聲”時(shí)的特例。處理方法一般可分為兩大類(lèi),即空間域方法和頻率域方法。當(dāng)圖像平滑作為一線性移不變系統(tǒng)時(shí),其空間域的沖激響應(yīng)和頻率域的傳遞函數(shù)存在著對(duì)應(yīng)關(guān)系?？臻g域方法和頻率域方法可以相互轉(zhuǎn)換。同時(shí),考慮到空間域圖像平滑還包括非線性濾波的方法,而且在實(shí)際應(yīng)用時(shí)非線性濾波器較線性

27、濾波器往往能更好地處理圖像平滑問(wèn)題3。在對(duì)圖像平滑算法進(jìn)行分析和比較時(shí)主要考慮空間域的圖像平滑算法。圖像由于受噪聲污染而存在差異,其中包含的噪聲也不盡相同,實(shí)際應(yīng)用時(shí)一幅圖像中往往包含多種不同類(lèi)型的噪聲。因此,好的圖像平滑算法應(yīng)該具備對(duì)不同類(lèi)型噪聲的處理能力。另外,圖像平滑往往導(dǎo)致圖像中邊緣的模糊和位置偏移,而邊緣信息在圖像分析和圖像理解中起著重要的作用。因此,作為對(duì)平滑算法優(yōu)劣的評(píng)價(jià),還應(yīng)考慮到平滑后圖像中邊緣的保留情況和邊緣位置精度。對(duì)圖像平滑算法的比較主要考慮以下3 個(gè)方面:對(duì)不同類(lèi)型噪聲的處理能力、平滑后圖像的細(xì)節(jié)保持效果和算法的復(fù)雜度。圖像平滑(pnghu)主要是為了消除被污染圖像中

28、的噪聲。圖像(t xin)的簡(jiǎn)單平滑是圖像增強(qiáng)處理中最基本的方法之一 ,它利用卷積運(yùn)算對(duì)圖像鄰域的像素(xin s)灰度進(jìn)行平均化 ,從而達(dá)到減少圖像中雜點(diǎn)影響、降低圖像對(duì)比度的目的。2.3.1空間域方法在空間域平滑濾波有很多種算法，其中最常見(jiàn)的有：線性平滑、非線性平自適應(yīng)平滑。線性平滑是對(duì)每一個(gè)像素的灰度值用它的鄰域值來(lái)代替，其鄰域的大小為：NN，N 一般取奇數(shù)。經(jīng)過(guò)線性平滑濾波，相當(dāng)于圖像經(jīng)過(guò)了一個(gè)二維的低通濾波器，可是雖然是降低了噪聲，但同時(shí)也模糊了圖像邊緣和細(xì)節(jié)，這是這類(lèi)濾波器存在的通病。非線性平滑是對(duì)線性平滑的一種改進(jìn)，即不對(duì)所有像素都用它的領(lǐng)域平均值來(lái)代替，而是取一個(gè)閾值，當(dāng)像素灰

29、度值與其鄰域平均值之間的差值大于已知時(shí)才以均值代替，當(dāng)像素灰度值與其鄰域平均值之間的差值不大于閾值時(shí)取其本身的灰度值。非線性平滑可消除一些孤立的噪聲點(diǎn)，對(duì)圖像的細(xì)節(jié)影響不大，但對(duì)物體的邊緣會(huì)帶來(lái)一定的失真2。 自適應(yīng)平滑是一種根據(jù)當(dāng)時(shí)、當(dāng)?shù)厍闆r來(lái)盡量不模糊邊緣輪廓為目標(biāo)進(jìn)行控制的方法。根據(jù)目的的不同，可以有各種各樣的自適應(yīng)圖象處理方法。2.3.2頻率域方法頻率域平滑處理就是選擇合適的低通濾波器對(duì)其頻譜成分進(jìn)行調(diào)整，然后經(jīng)逆傅立葉變換得到平滑圖像。其中常用的頻率域平滑處理方法一般為頻率域低通濾波法。頻率域低通濾波是在分析圖像信號(hào)的頻率特征性時(shí),一幅圖像中的邊緣、跳躍部分以及顆粒噪聲代表圖像信號(hào)的

30、高頻分量，而大面積的背景區(qū)則代表圖像信號(hào)的低頻分量。用濾波的方法濾除其高頻部分就能去除噪聲，使圖像得到平滑。2.3.3平滑算法1.線性平滑算法 均值濾波器的輸出圖像是掩模窗口內(nèi)所有像素按某種數(shù)學(xué)操作獲取的均值,算術(shù)均值濾波器可以有效地去除高斯噪聲和強(qiáng)度不大的椒鹽噪聲,幾何均值濾波器相對(duì)于算術(shù)均值濾波器能夠保留更多的圖像細(xì)節(jié)。由于算法過(guò)程中缺少對(duì)保持圖像中含有目標(biāo)邊緣的考慮,對(duì)圖像中的所有點(diǎn)(包括信號(hào)突變處)都進(jìn)行了平滑,使用均值濾波器會(huì)造成邊緣的模糊和細(xì)節(jié)的湮沒(méi)2。高斯濾波器采用的濾波核為 2 維高斯函數(shù),可以通過(guò)調(diào)整高斯函數(shù)中方差值改變頻譜曲線的陡峭程度,方差值增大曲線趨于平緩,平滑效果明顯

31、。高斯曲線的形狀決定了它可以更好地處理連續(xù)分布的噪聲模型,而對(duì)突變的噪聲模型處理效果偏弱。它可以有效地處理高斯分布、泊松分布的噪聲,而對(duì)較密集的椒鹽噪聲處理效果較差,與均值濾波器一樣對(duì)圖像的邊緣信息保持能力較弱。與梯度相關(guān)加權(quán)濾波器取隨梯度增加而單調(diào)減小的函數(shù)值作為子圖像窗口內(nèi)的相應(yīng)像素的權(quán)重因子。窗口中心像素的平滑貢獻(xiàn)主要來(lái)自于區(qū)域內(nèi)部像素,平滑之后圖像的邊緣和細(xì)節(jié)不會(huì)受到明顯的損失。該類(lèi)型濾波器還可以使圖像的邊緣得到銳化,對(duì)平滑圖像采用 Sobel 等邊緣檢測(cè)算子進(jìn)行邊緣檢測(cè)可以得到很高的邊緣保持精度。梯度加權(quán)濾波器可以有效地處理高斯噪聲,但對(duì)強(qiáng)度較大的椒鹽噪聲處理能力不足。2、非線性平滑

32、算法 與線性平滑相比,順序統(tǒng)計(jì)濾波器是經(jīng)典的空間域非線性濾波器,它們的響應(yīng)基于掩模窗口內(nèi)像素點(diǎn)的排序。按排序方式的不同可分為:中值濾波器、最大值濾波器、最小值濾波器、中點(diǎn)濾波器。其中,最大值濾波器可以有效地消除“胡椒”噪聲;最小值濾波器可以消除“鹽”噪聲;中點(diǎn)濾波器結(jié)合了順序統(tǒng)計(jì)和算術(shù)平均,對(duì)于高斯和均勻隨機(jī)分布等類(lèi)型的噪聲有較好的抑制效果。順序統(tǒng)計(jì)濾波器中最著名的是中值濾波器,它對(duì)空間密度不大的椒鹽噪聲有很好的抑制作用,并可較好地保持圖像中目標(biāo)的邊緣。去斑算法的基本思想是,提高鄰域內(nèi)較暗像素的灰度值,相應(yīng)地減少鄰域內(nèi)較亮像素的灰度值,通過(guò)多次迭代達(dá)到去斑效果。算法可以有效地去除密度較大的椒鹽

33、噪聲。典型的邊緣保持濾波器有knn濾波器和選擇式掩模濾波器兩種,它們的基本思想是以窗口內(nèi)中心像素為基準(zhǔn)點(diǎn)制作多個(gè)不同的掩模,然后計(jì)算各個(gè)掩模區(qū)域內(nèi)像素的均值和方差,取標(biāo)準(zhǔn)差最小區(qū)域的灰度平均值作為中心點(diǎn)的灰度。 邊緣保持濾波器是通過(guò)以標(biāo)準(zhǔn)差最小這一準(zhǔn)則來(lái)選取合適掩模窗口,從而達(dá)到平滑后圖像細(xì)節(jié)保持這一目的。3、邊緣保持濾波器 典型的邊緣保持濾波器有k近鄰平滑濾波器和選擇式掩模濾波器兩種,它們的基本思想是以窗口內(nèi)中心像素為基準(zhǔn)點(diǎn)首先制作多個(gè)不同的掩模,然后計(jì)算各個(gè)掩模區(qū)域內(nèi)像素的均值和方差,最后取標(biāo)準(zhǔn)差最小區(qū)域的灰度平均值作為中心點(diǎn)的灰度。在k近鄰平滑濾波器中,選取的是4個(gè)正方形窗口,在選擇式掩

34、模濾波器中選擇的是4個(gè)五邊形、4個(gè)六邊形、一個(gè)正方形共 9個(gè)掩模窗口。選擇式掩模濾波器與k近鄰平滑濾波器相比,由于對(duì)掩模窗口進(jìn)行了更細(xì)致的劃分,因而邊緣保持效果優(yōu)于k近鄰平滑濾波器。通過(guò)對(duì)算法的分析可以發(fā)現(xiàn),由于邊緣保持波器是通過(guò)以標(biāo)準(zhǔn)差最小這一準(zhǔn)則來(lái)選取合適掩模窗口的,從而平滑后可達(dá)到保持圖像細(xì)節(jié)的這一目的,而且選取掩模窗口后,還可以結(jié)合其他更優(yōu)秀的平滑算法,而不是局限于取均值來(lái)進(jìn)行圖像平滑。例如,考慮到中值濾波較均值濾波能更好地保持圖像邊緣且對(duì)抑制椒鹽噪聲更加有效,因此可以通過(guò)取標(biāo)準(zhǔn)差最小的掩模窗口內(nèi)的中值,并用其代替窗口均值作為窗口心像素的灰度來(lái)更好地抑制椒鹽噪聲3。2.4峰值(fn z

35、h)信噪比的概念峰值(fn zh)信噪比（經(jīng)?？s寫(xiě)為PSNR）是可以(ky)表明信號(hào)最大可能功率和影響它的表示精度的破壞性噪聲功率的比值的術(shù)語(yǔ)。由于許多信號(hào)都有非常寬的動(dòng)態(tài)范圍，峰值信噪比常用對(duì)數(shù)分貝單位來(lái)表示。PSNR是“Peak Signal to Noise Ratio”的縮寫(xiě)。peak的中文意思是頂點(diǎn)。而ratio的意思是比率或比列的。整個(gè)意思就是到達(dá)噪音比率的頂點(diǎn)信號(hào)，psnr是一般是用于最大值信號(hào)和背景噪音之間的一個(gè)工程項(xiàng)目。通常在經(jīng)過(guò)影像壓縮之后，輸出的影像通常都會(huì)有某種程度與原始影像不一樣。為了衡量經(jīng)過(guò)處理后的影像品質(zhì)，我們通常會(huì)參考PSNR 值來(lái)認(rèn)定某個(gè)處理程序夠不夠令人滿意

36、。Peak 就是指8 bits 表示法的最大值255。MSE 指 Mean Square Error（均方誤差，各值相差的n次方和的平均值，I(角標(biāo)n)指原始影像第n個(gè)pixel 值，P(角標(biāo)n)指經(jīng)處理后的影像第n個(gè)pixel 值。PSNR 的單位為dB。所以PSNR值越大，就代表失真越少。 PSNR 是最普遍，最廣泛使用的評(píng)鑒畫(huà)質(zhì)的客觀量測(cè)法，不過(guò)許多實(shí)驗(yàn)結(jié)果都顯示，PSNR 的分?jǐn)?shù)無(wú)法和人眼看到的視覺(jué)品質(zhì)完全一致，有可能 PSNR 較高者看起來(lái)反而比 PSNR 較低者差。這是因?yàn)槿搜鄣囊曈X(jué)對(duì)于誤差的敏感度并不是絕對(duì)的，其感知結(jié)果會(huì)受到許多因素的影響而產(chǎn)生變化（例如：人眼對(duì)空間頻率較低的對(duì)

37、比差異敏感度較高，人眼對(duì)亮度對(duì)比差異的敏感度較色度高，人眼對(duì)一個(gè)區(qū)域的感知結(jié)果會(huì)受到其周?chē)徑鼌^(qū)域的影響）。第3章均值(jn zh)濾波3.1均值濾波(lb)的概念及方法均值濾波核心實(shí)際上就是用均值替代原圖像中的各個(gè)像素(xin s)值。均值濾波是典型的線性濾波算法，它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周?chē)呐R近像素（以目標(biāo)象素為中心的周?chē)?個(gè)象素，構(gòu)成一個(gè)濾波模板，即去掉目標(biāo)象素本身）。再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值1。均值濾波也稱(chēng)為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y），選擇一

38、個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)（x，y），作為處理后圖像在該點(diǎn)上的灰度個(gè)g（x，y），即個(gè)g（x，y）=1/m f（x，y） m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)2。均值濾波的舉例如圖5所示:圖5 均值濾波的示例以模塊(m kui)運(yùn)算系數(shù)表示即：將以上的均值濾波器加以修正，可以得到(d do)加權(quán)平均濾波器。考慮(kol)數(shù)據(jù)分布的平衡性,模板一般選擇為33,55,使待處理像素位于模板中心.為了使輸出像素保持在原來(lái)的灰度范圍內(nèi),模板的權(quán)值總和應(yīng)為1.模板和模板像素相乘后需要除以一個(gè)系數(shù),這個(gè)過(guò)程被稱(chēng)為模板的歸一化。以模塊運(yùn)算系數(shù)(x

39、sh)表示即：這里位于(wiy)中心的1是待處理像素。邊緣保值不變的效果(xiogu)實(shí)例：12143122345768957688567891214313444545695768856789由上圖可知矩陣中的部分噪聲被抑制。3.2均值濾波的效果比較對(duì)加椒鹽噪聲的圖像進(jìn)行均值濾波得到濾波前后的圖像比較,如圖6,圖7所示:y=psnr(a,b)y(R)=29.4563y(G)=30.7340y(B)=29.3050圖6 加椒鹽噪聲的圖像圖7 經(jīng)均值濾波(lb)處理后的圖像對(duì)加高斯(o s)噪聲的圖像進(jìn)行均值濾波得到濾波前后的圖像比較,如圖8,圖9所示:y=psnr(a,b)y(R)=31.852

40、7y(G)=31.8877y(B)=31.9037圖8 加高斯噪聲(zoshng)的圖像圖9 經(jīng)均值濾波處理后的圖像3.3均值濾波(lb)的評(píng)價(jià)比較兩幅圖可知,均值濾波器對(duì)椒鹽噪聲的濾波效果不是很理想。因?yàn)榻符}噪聲的幅值都是基本相同的,只是在不同的像素上會(huì)出現(xiàn)噪聲,統(tǒng)計(jì)意義下的噪聲均值不可能為零,所以(suy),噪聲是無(wú)法被完全去除的。但是從模板的特點(diǎn)來(lái)說(shuō),是把噪聲平均分配到了其他的像素點(diǎn)上,所以可以得到噪聲的幅值變小,但是范圍變大。均值濾波器有自己的缺陷,就是在求均值的計(jì)算中,會(huì)同時(shí)將景物的邊緣點(diǎn)也同時(shí)進(jìn)行均值處理,這樣使得景物的清晰度降低,畫(huà)面變得模糊。為了對(duì)其進(jìn)行一定的改善,將以上均值濾

41、波器加以修正,可以(ky)得到加權(quán)平均濾波器。如: 由此可見(jiàn),均值濾波方法抑制噪聲算法簡(jiǎn)單,計(jì)算速度快,然而該方法的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊,尤其是在邊緣和細(xì)節(jié)處模糊更加明顯,并可知模板越大,噪聲抑制效果越好,但同時(shí)邊緣迷糊更加嚴(yán)重1。第4章中值濾波(lb)4.1中值濾波(lb)的概念和方法由于均值(jn zh)濾波會(huì)導(dǎo)致邊緣模糊,我們?cè)诜治鲈肼暤臅r(shí)候會(huì)發(fā)現(xiàn),噪聲點(diǎn)上的像素通常比周?chē)窃肼朁c(diǎn)的像素要亮或暗。因此,可以設(shè)想,如果在噪聲點(diǎn)像素周?chē)鷮ふ乙粋€(gè)合理的值對(duì)它進(jìn)行替代,在理想條件下,會(huì)得到一個(gè)理想的濾波結(jié)果。原理一維中值濾波器含有奇數(shù)個(gè)數(shù)據(jù)的模板,對(duì)模板中的數(shù)據(jù)從小到大排列,

42、取中間位置上的數(shù)據(jù)。同樣,中值濾波可以推廣到二維,取某種結(jié)構(gòu)的二維滑動(dòng)模板,將模板內(nèi)的像素按照像素值的大小進(jìn)行排序,可以得到一個(gè)升序的數(shù)列,通常是33,或55的模板,也可以有其他不同形狀,比如線狀,圓形,十字形,圓環(huán)形。由于椒鹽噪聲在某些像素點(diǎn)隨機(jī)出現(xiàn),所以根據(jù)中值濾波原理可知,通過(guò)對(duì)模板中的數(shù)據(jù)進(jìn)行排序,有很大的可能性使得未被污染的像素代替污染的像素,因此噪聲抑制的效果比較好,畫(huà)面也會(huì)被保持.但高斯噪聲每個(gè)點(diǎn)都有噪聲的污染,無(wú)論怎么排序,還是會(huì)得到被污染的像素,所以中值濾波對(duì)高斯噪聲的效果不理想1。經(jīng)過(guò)中值濾波后矩陣中部分噪聲被濾除.12143122345768957688567891214

43、3123445566956788567894.2均值濾波的效果比較對(duì)加椒鹽噪聲的圖像進(jìn)行中值濾波得到濾波前后的圖像比較,如圖10,圖11所示:y=psnr(a,b)y(R)=30.5349y(G)=30.4400y(B)=30.2973圖10 加椒鹽噪聲的圖像 圖11 經(jīng)中值濾波處理(chl)后的圖像 斯噪聲(zoshng)的圖像進(jìn)行中值濾波得到濾波前后的圖像比較,如圖12,圖13所示:y=psnr(a,b)y(R)=32.6550y(G)=32.5705y(B)=32.7244圖12 加高斯(o s)噪聲的圖像圖13 經(jīng)中值濾波處理后的圖像4.3中值濾波(lb)的評(píng)價(jià)中值濾波雖然比均值濾波要

44、復(fù)雜,但是在清晰度保持的方面做得比均值濾波要好,同樣的,中值濾波的模板選擇也非常(fichng)重要,模板越大清晰度也會(huì)遭到破壞.對(duì)于噪聲密度大,及信噪比低的噪聲就沒(méi)有什么(shn me)優(yōu)勢(shì),對(duì)于高斯噪聲,由于噪聲點(diǎn)和周?chē)袼夭顒e很小,所以用中值濾波不是很合適。第5章灰度最小方差(fn ch)濾波(lb)器5.1邊緣保持類(lèi)平滑(pnghu)濾波的效果從以上方法可以看出,中值濾波改善了圖像模糊的情況,但是圖像經(jīng)過(guò)平滑后,產(chǎn)生模糊尤其是邊緣產(chǎn)生模糊的現(xiàn)象仍然存在。經(jīng)過(guò)分析可知,圖像上物體與物體之間可以分辨清楚,主要是因?yàn)槲矬w間存在著灰度值變化較大的邊界。然而在選擇用平滑濾波時(shí),無(wú)論是選擇中值或者

45、均值,都會(huì)在一定程度上降低邊界的灰度顯著性,從而導(dǎo)致了圖像模糊。所以,要保持圖像的清晰,希望在進(jìn)行平滑的同時(shí),檢測(cè)出景物的邊界,僅僅對(duì)噪聲進(jìn)行處理,才會(huì)得到更加好的效果。這樣的操作保持了邊界原有的灰度特性,成為邊緣保持類(lèi)平滑。邊緣保持濾波器選取掩模窗口后，可以結(jié)其他更優(yōu)秀的平滑算法而不是局限于取均值來(lái)進(jìn)行圖像平滑。例如，考慮到中值濾波較均值濾波能更好地保持圖像邊緣，且對(duì)椒鹽噪聲更加有效，可以通過(guò)將標(biāo)準(zhǔn)差最小的掩模內(nèi)的中值與窗口內(nèi)灰度值的均值進(jìn)行比較，當(dāng)掩模區(qū)內(nèi)的灰度標(biāo)準(zhǔn)差小于某閾值時(shí)用中值代替輸出，否則輸出均值，來(lái)更好的抑制椒鹽噪聲1。改進(jìn)的邊緣保持濾波效果如圖所示，其中圖為加入強(qiáng)度0. 05

46、 椒鹽噪聲圖像。圖為選擇式掩模取均值局部圖像,如圖14所示: 圖14 選擇式掩膜均值圖像5.2灰度最小方差(fn ch)濾波器5.2.1灰度最小方差(fn ch)濾波器的概念和方法 選定一個(gè)(y )像素去設(shè)計(jì)模板,如果模板中的像素屬于同一個(gè)區(qū)域,則模板中可能不包含邊界元素,可以進(jìn)行平滑處理;如果模板中的像素屬于至少兩個(gè)區(qū)域,那么模板中可能包含邊界像素,在這種情況下,要對(duì)這個(gè)模板保持,不做平滑處理。想要確定模板中的像素是不是在同一個(gè)區(qū)域,一個(gè)很常見(jiàn)的方法是計(jì)算模板中所有像素灰度的方差,方差越大說(shuō)明像素值的波動(dòng)程度越大,處在不同區(qū)域的可能性就越大.相反,如果方差小,則處在相同區(qū)域的可能性越大。由于

47、邊界的不均勻性,選擇了9個(gè)不同的模板,中心像素為當(dāng)前待處理像素。對(duì)這9個(gè)模板所覆蓋的區(qū)域中的像素,計(jì)算其灰度分布方差,然后選擇出方差最小的模板,用其像素灰度的平均值去代替當(dāng)前像素。模板的舉例如圖15所示: 圖15 最小方差濾波器的幾種模板5.2.2算法的驗(yàn)證設(shè)計(jì)一個(gè)矩陣,矩陣中有三個(gè)噪聲點(diǎn),如圖16所示：10,18,0為三個(gè)噪聲點(diǎn)經(jīng)過(guò)對(duì)此矩陣做最小方差濾波。經(jīng)過(guò)最小方差濾波器濾除噪聲得到一個(gè)新矩陣,如圖17所示:如圖像素值為10的噪聲點(diǎn)未被去除,但像素值為18和0的像素點(diǎn)皆被濾除,由此最小方差濾波器起到了很好的效果。 圖16 待處理矩陣(j zhn)圖17 經(jīng)最小方差濾波器處理(chl)后的矩

48、陣5.2.3灰度最小方差(fn ch)濾波器效果比較對(duì)加椒鹽噪聲的圖像進(jìn)行最小方差濾波得到濾波前后的圖像比較,如圖18,圖19所示:y=psnr(a,b)y(R)=31.4770y(G)=31.7813y(B)=31.1748圖18 加椒鹽噪聲的圖像去噪后:圖19 經(jīng)最小方差濾波器處理(chl)的圖像對(duì)加高斯噪聲的圖像進(jìn)行最小方差濾波(lb)得到濾波前后的圖像比較,如圖20,圖21所示:y=psnr(a,b)y(R)=32.6550y(G)=32.5705y(B)=32.7244圖20 加高斯(o s)噪聲的圖像去噪后:圖21經(jīng)最小方差均值濾波器處理后的圖像5.2.4灰度最小方差(fn ch)

49、濾波器的評(píng)價(jià)最小方差濾波不是(b shi)簡(jiǎn)單地求平均(pngjn),而是把圖片分成了幾個(gè)模塊,方差越小,說(shuō)明模塊中的像素值越接近,存在邊界的可能性越小,這樣對(duì)邊界起到了保持的作用。由上圖可知灰度最小方差濾波器對(duì)椒鹽噪聲和高斯噪聲都有較好的濾波效果,并且可以保持邊緣,但缺點(diǎn)是計(jì)算量較大。通過(guò)灰度最小方差均值濾波可避開(kāi)噪聲點(diǎn)參與濾波處理即計(jì)算時(shí)非噪聲點(diǎn)像素值得到保持，而當(dāng)計(jì)算噪聲點(diǎn)本身時(shí)也可將其強(qiáng)度削弱，故比均值濾波處理效果更好（與均值濾波處理比較）。第6章K近鄰平滑濾波器6.1 k近鄰平滑濾波器的概念和方法在一個(gè)和待處理的像素近鄰的范圍內(nèi),找出與其像素值最接近的k個(gè)點(diǎn),然后用這k個(gè)點(diǎn)的均值代替

50、原像素。如果待處理的像素為非噪聲點(diǎn),把像素點(diǎn)和其周?chē)徑南袼刈銎骄?可以使作平滑操作時(shí),得到的結(jié)果是同一個(gè)區(qū)域的像素,同時(shí)也可以保證像素的清晰度。對(duì)噪點(diǎn)進(jìn)行處理時(shí),由于其與周?chē)南袼刂g是相對(duì)孤立的,做平滑處理后,可以對(duì)噪聲進(jìn)行抑制。具體操作方法:1.選取當(dāng)前待處理像素,并選取一個(gè)NN的模板(N一般選取3,5,7)。2.選取k個(gè)與其相近的像素N=3時(shí)K=5,N=5時(shí)K=9,N=7時(shí)K=25。3.用k個(gè)像素的均值代替原像素。 KNN濾波器因?yàn)橛辛诉吔绫３值淖饔?，所以在去除椒鹽以及高斯噪聲時(shí)，對(duì)圖像景物的清晰度保持方面的效果非常明顯。當(dāng)然，所付出的代價(jià)是：算法的復(fù)雜度增加了。6.2k近鄰平滑濾波

51、器的效果比較對(duì)加椒鹽噪聲的圖像進(jìn)行k近鄰濾波得到濾波前后的圖像比較,如圖22,圖23所示:y=psnr(a,b)y(R)=32.4505y(G)=28.5997y(B)=32.1464圖22加椒鹽(jioyn)噪聲的圖像去噪后:圖23 經(jīng)knn濾波器n=3處理(chl)后的圖像對(duì)加高斯噪聲的圖像進(jìn)行(jnxng)k近鄰濾波得到濾波前后的圖像比較,如圖24,圖25所示:y=psnr(a,b)y(R)=34.4953y(G)=31.2776y(B)=34.8071圖24 加高斯噪聲(zoshng)的圖像去噪后: 圖25 經(jīng)knn濾波器n=3處理(chl)后的圖像對(duì)加椒鹽噪聲(zoshng)的圖像進(jìn)

52、行k近鄰n=5濾波得到濾波前后的圖像比較,如圖26所示:圖26 經(jīng)knn濾波器n=5處理后的圖像對(duì)加椒鹽噪聲的圖像進(jìn)行k近鄰n=7濾波得到濾波前后的圖像比較,如圖27所示:圖27 經(jīng)knn濾波器n=7處理(chl)后的圖像對(duì)加高斯噪聲的圖像進(jìn)行(jnxng)k近鄰n=5濾波得到濾波前后的圖像(t xin)比較,如圖28所示:圖28 經(jīng)knn濾波器n=5處理后的圖像對(duì)加高斯噪聲的圖像進(jìn)行k近鄰n=7濾波得到濾波前后的圖像比較,如圖29所示:圖29 經(jīng)knn濾波器n=7處理后的圖像6.3k近鄰(jn ln)平滑濾波器的評(píng)價(jià)KNN平滑(pnghu)(均值(jn zh)、中值)濾波器同時(shí)具有平統(tǒng)計(jì)排序

53、濾波器和滑線性濾波器的優(yōu)點(diǎn)，對(duì)多種噪音有較好的抑制效果，同時(shí)具有較低的時(shí)間復(fù)雜度和空間復(fù)雜度，滿足條紋圖像處理高速且有效的要求，適用于混合噪音情況下的圖像噪音處理。處理結(jié)果表明KNN平滑均值濾波器處理后的圖像信噪比明顯提高，且模板越大，條紋圖像信噪比改善越明顯?？紤]到處理速度要求，選取N=7，K=25時(shí)的K近鄰均值濾波器,起到了很好的效。結(jié)論對(duì)上一章knn均值濾波器數(shù)據(jù)進(jìn)行分析,如表1,圖30所示:表1 knn濾波器n取不同值的峰值信噪比Psnr(DB)Salt n=3Salt n=5Salt n=7Gaosi n=3Gaosi n=5Gaosi n=7R32.450527.351824.73

54、5234.495329.034626.0622G28.599725.673223.694431.277626.526024.1410B32.146427.216124.623134.807129.181926.1576圖30 knn濾波器 psnr比較(bjio)由數(shù)據(jù)可知,對(duì)于(duy)k近鄰濾波器,n越小,圖片的峰值信噪比越高,圖片的失真程度越低。對(duì)4種不同(b tn)類(lèi)型濾波器處理椒鹽噪聲分析,數(shù)據(jù)如表2,圖31所示:Psnr椒鹽(DB)均值中值最小方差KnnR29.456330.534931.477032.4505G30.734030.440033.781328.5947B29.305

55、030.297331.174832.1464表2 4種不同濾波處理椒鹽噪聲RGB三幅圖的psnr的大小圖31不同類(lèi)型濾波器加椒鹽噪聲psnr比較由數(shù)據(jù)可知,對(duì)于椒鹽噪聲的處理失真度最小的是均值中值濾波,最小方差和knn有較大的失真度。對(duì)4種不同類(lèi)型濾波器處理高斯噪聲分析,數(shù)據(jù)如表3,圖32所示:表3 4種不同濾波處理高斯噪聲RGB三幅圖的psnr的大小Psnr高斯(DB)均值中值最小方差KnnR31.851732.655032.655034.4953G31.887732.570532.570531.2776B31.903732.724432.724434.8071圖32不同(b tn)類(lèi)型濾波

56、器加高斯噪聲psnr比較(bjio)由數(shù)據(jù)(shj)可知,對(duì)于高斯噪聲的處理失真度最小的是均值濾波,其他濾波方式效果大致相同。不同濾波器的處理速度如表4所示:表4 不同濾波器處理速度的比較濾波器類(lèi)型中值均值最小方差Knn處理速度(s)11106由于最小方差濾波器需要進(jìn)行大量方差運(yùn)算,所以計(jì)算時(shí)間較長(zhǎng)。致謝(zh xi)值此論文完成之際，謹(jǐn)向多年來(lái)給予我指導(dǎo)、關(guān)心、幫助的師長(zhǎng)、同學(xué)(tng xu)和家人表示由衷的、最誠(chéng)摯的謝意！論文(lnwn)工作是在導(dǎo)師張新峰副教授精心指導(dǎo)和嚴(yán)格要求下完成的。張老師不僅在學(xué)術(shù)上有敏銳的洞察力，而且在科研上有卓越的創(chuàng)新力。在論文選題、理論研究、實(shí)驗(yàn)方法以及最后的

57、論文撰寫(xiě)、修改等點(diǎn)點(diǎn)滴滴，都凝聚著張老師嚴(yán)緊的科學(xué)態(tài)度，鼓勵(lì)創(chuàng)新的學(xué)術(shù)意識(shí)和耐心不倦的諄諄教誨，滲透著張老師大量的心血和精力。張老師淵博的學(xué)識(shí)，嚴(yán)謹(jǐn)?shù)淖黠L(fēng)，豁達(dá)的氣度，樂(lè)觀的態(tài)度都給我留下了深刻的印象；謙遜有禮、平易近人的為人風(fēng)范，言傳身教、一絲不茍的學(xué)者之風(fēng)，兢兢業(yè)業(yè)、為人稱(chēng)道的高尚品德，也深深的感染了我，是我人生學(xué)習(xí)的榜樣，使我受益匪淺并將受益終身。其次,我要感謝我的大學(xué)的同學(xué)，尤其是我的舍友，愿友誼長(zhǎng)存，并希望各位都有一個(gè)美好的未來(lái)。感謝你們對(duì)我一直在外求學(xué)的寬容與理解，感謝你們對(duì)我學(xué)習(xí)上一如既往的默默支持。千言萬(wàn)語(yǔ)也以難表達(dá)我對(duì)你們的感激之情與深深的敬意，祝福你們身體健康，萬(wàn)事如意！同

58、時(shí)，感謝百忙中抽出寶貴時(shí)間審閱我論文的各位專(zhuān)家。謝謝您們對(duì)我論文所提出的寶貴意見(jiàn)！由于才疏學(xué)淺，論文之中難免有不足之處，懇請(qǐng)批評(píng)指正。最后，感謝所有(suyu)關(guān)心、支持和幫助過(guò)我的人們!主要(zhyo)參考文獻(xiàn)1朱虹. .北京:科學(xué)出版社,2005.2臧俊恒，李思寧. 條紋管激光成像雷達(dá)條紋圖像噪音分析與處理 光子學(xué)報(bào) 第37卷 第8期 2008.3張弘,范九倫. 基于最小方差濾波的相對(duì)熵閾值分割方法 計(jì)算機(jī)科學(xué) 第39卷 第7期 2012.4杜達(dá) 模式分類(lèi)（英文版），機(jī)械工業(yè)出版社 2004.附錄(fl) 主要(zhyo)程序源代碼中值濾波(lb)imread(salt.png);a= i

59、mread(salt.png);fR=a(:,:,1);fG=a(:,:,2);fB=a(:,:,3);g1=medfilt2(fR);g2=medfilt2(fG);g3=medfilt2(fB);b=cat(3,g1,g2,g3);subplot(1,2,1);imshow(a);subplot(1,2,2);imshow(b);均值(jn zh)濾波imread(salt.png);a= imread(salt.png);fR=a(:,:,1);fG=a(:,:,2);fB=a(:,:,3); w1=fspecial(average); %產(chǎn)生一個(gè)3x3大小的方形平均濾波(lb)模板w1

60、h1=imfilter(fR,w1,replicate); h2=imfilter(fG,w1,replicate); h3=imfilter(fB,w1,replicate); b=cat(3,h1,h2,h3); subplot(1,2,1);imshow(a);subplot(1,2,2);imshow(b);最小方差(fn ch)a= imread(salt.png);fR=a(:,:,1);fG=a(:,:,2);fB=a(:,:,3);f1=fangcha(fR);f2=fangcha(fG);f3=fangcha(fB);b=cat(3,f1,f2,f3);subplot(1,2