数字图像处理技术一直都是国内外学者关注的热点,因为它已经深入到人们生活和工作的每一个角落。而图像噪声去除的效果直接影响着后续的图像处理过程,所以尽管目前图像去噪方面的研究成果已经是硕果累累,仍不断有新的去噪方法出现,对图像去噪算法的研究也依然是国内外研究的热点。
　　本文研究了数字图像去噪技术的背景、张量投票和数学形态学现状、噪声类型、建模、三种经典算法和图像质量评估标准。针对张量投票的计算冗余、数学形态学变形虫算法存在的边缘纹理提取不精准的问题,提出了改进的去噪算法。并引入一种新的图像质量评估方法。
　　针对张量投票算法在投票域设计中没有考虑到原有投票点所具有的整体趋向特征,在一些具体的应用中会增加冗余计算量的问题。本文将投票域简化的思想用在图像的去噪上,提出了一种针对具有大量局部对称特性的含噪图像的去噪方法。并在图像对称性检测中引入了抗噪性较好的基于相位的图像对称性检测方法,将其用于图像去噪的过程中,非常简单高效。仿真实验结果表明此方法在去噪效果和算法效率上都达到了较好的效果。
　　针对图像传统主观评价标准需要统计足够多观察者的不便,以及客观评价标准不够直观的问题,本文引入了一种新的图像质量评价方法 Noise Remove,将其与传统的客观评价标准以及主观评价标准相比较,表明本文方法可以更直观的比较各种去噪算法的性能。
　　针对处理细节特征较多、纹理较为密集的图像时,传统方法对于边缘的敏感度不够的问题。提出了将Canny算子边缘检测得到的图像作为导引图,利用导引图生成可以根据图像的纹理和内容自动调整大小和形状的变形虫结构元。采用此结构元对含有噪声图像进行去噪处理,滤除大部分图像噪声的同时,还可以保留图像边缘等重要的细节信息。最后通过大量的实验和数据验证了此方法的优越性。