论文部分内容阅读
随着多媒体技术和通讯技术的不断发展,带有测量信息的图像信号被越来越广泛地应用于各个领域,但由于在产生、传输和记录过程中经常受到各种噪声的干扰,影响了图像的视觉效果,给边缘检测、图像分割、特征提取、模式识别等后续的处理工作带来了很多不便。因此,在做这些处理工作之前,采用适当的图像去噪算法来减少噪声是一个非常重要的处理步骤。实际生活中获得的图像存在各种各样的图像噪声,其中,脉冲噪声是最为常见的一种形式。人们根据实际图像的特点和噪声的分布特征研究出各种各样的去噪方法,这些方法大致可以分为两大类—空间域滤波法和变换域滤波法。随着图像处理技术的发展,人们在此基础上又提出了多种滤波算法,以求在保留图像细节的基础上更好地滤除图像噪声。由于这些去噪方法具有其不同的应用范围,对于噪声的滤除效果也各有千秋,因此何种去噪算法最优是很难有定论的。本论文研究了以往图像处理中一些去噪方法,在此基础上针对灰色图像的特点,将灰色系统理论中的灰色绝对关联分析方法应用于图像的分析与噪声的检测滤除中,不仅丰富了飞速发展的图像去噪技术,为图像去噪技术提供了新的处理手段,同时也将灰色系统理论在图像去噪领域的应用进行了新的拓展,为灰色系统在更广的范围内应用做了一些有益的尝试。本文首先阐述了图像去噪的研究背景、选题目的以及在国内外的研究现状,通过对图像处理中去噪研究概况的了解,展开本文的研究内容。而后介绍了噪声类型及图像质量的评价标准,并讨论了传统的噪声去除研究方法和一系列的改进方法的特点。在此基础上,引入了灰色系统理论,描述了邓氏灰色关联分析的基本理论和模型特征,进而引入了灰色绝对关联分析的相关思想,在借鉴传统中值滤波优点的基础上,针对脉冲噪声的特点,利用灰色绝对关联度分析方法,提出了一种新的滤波算法。该方法在较好的滤除噪声的基础上更好的保留图像的细节信息。本文的研究工作主要集中在以下几个方面:(1)针对灰色绝对关联分析法,给出了基于n×n(n为大于或等于3的奇数)模板的参考序列和比较序列的构造方法。利用n×n模板内的像素构造两组序列,一组为模板中所有像素所组成的序列,称之为比较序列;另一组为以模板中所有像素的中值来代替当前像素(即模板中心像素),而模板内其它像素保持不变的序列,称之为参考序列。(2)推导出了基于上述构造序列的关联度计算公式,讨论了关联度在n取3,5,7时的计算公式和取值范围,从而给出了阈值的合理估计。(3)给出了基于灰色绝对关联分析法,结合中值滤波的图像去噪方法,并进行了仿真实验,得到了比较理想的去噪效果。在检测出噪声点之后,将图像中的像素分为噪声像素和非噪声像素两类。对于非噪声像素不做处理,保持其原有的值不变;对于噪声点像素,选用其邻域中像素的中值,并判断当前所选的中值是否为噪声点,如果该中值也为噪声像素,则舍弃不用,同时搜索邻域中的非噪声像素,并以这些非噪声像素的中值作为最后的像素值输出。实验结果显示,这种方法能够更好的区分图像中的信号点和噪声像素,有效地改善图像去噪后的质量。为了验证算法的有效性,本文在VC++6.0编程环境下分别对具有低密度噪声的图像和具有高密度噪声的图像进行滤波,并分别与标准中值滤波和极值中值滤波作比较,从滤波后的视觉效果和客观性能评价标准两个方面来验证滤波效果。通过仿真实验,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。