论文部分内容阅读
均值滤波算法和中值滤波算法分别是线性滤波和非线性滤波的典型实现。然而这两种算法都存在较大缺陷,他们较难同时滤除图像中的多种噪声,而混合滤波结合两种滤波算法的特点较好地实现了多种噪声的滤除。本文结合边缘检测理论提出了一种新型的混合滤波方法,即通过判断像素点是否为边界使用不同的滤波方法。本文针对该方法主要做了以下工作:1.论文在分析两种滤波的缺陷后,介绍了几种混合滤波算法,并且对这几种算法进行仿真实验和比较,分析各种算法优势和不足。实验证明,各种算法都有其优势和不足。2.提出了一种新的用于混合滤波的边缘检测方法。在判断像素点灰度值切线方向中,引入了基于方向信息和基于对比度的两种方法;在判决像素点是否为边界中,通过灰度切线方向将滑动窗分成两部分,根据两部分的灰度均值差判决是否为边界点,该方法在一定程度上规避了噪声的干扰。3.在边界值判决门限选取中,本文还结合了模糊数学中的三角模算子将最小总错误概率准则和聂曼-皮尔逊准则进行融合,克服了单准则判决误报风险大、可靠性和容错性差的弊端,较大地改善了滤波效果。4.本文针对该混合滤波方法提出了特殊的均值滤波和中值滤波算法,均值滤波算法平滑了图像中的非边界区域,中值滤波算法增强了边界区域,有效的去除了边界区域内的噪声。论文通过仿真实验对该算法进行比较验证,证实本文所提出的特殊的边缘检测方法以及边界值判决门限在图像滤波中的作用,并且将该算法和其他混合滤波器进行对比,证实了该算法的优越性,最后阐述了该算法存在的不足之处。