论文部分内容阅读
随着图像技术的迅猛发展及其应用领域的不断拓宽，图像处理在计算机视觉领域中起到了至关重要的作用。然而由于各种因素的影响（包括外界环境及硬件设备的缺陷等）会使得图像在获得、传输和处理过程中受到噪声污染。受到污染的图像影响人们的视觉效果，降低其所传达的信息量，并且给图像的后期处理带来困难。图像去噪是图像处理工作的前提。本文针对图像噪声中的椒盐噪声进行研究。将视频处理领域中的经典视频插值ELA算法应用到图像去噪中，提出了基于边缘的改进行平均图像去噪算法（IELAD算法）和基于边缘的多方向行平均图像去噪算法（MELAD算法）。本文主要做了几个方面的工作：(1)结合图像信息与视频信息的相似性特点及图像去噪的保边需求，将视频插值ELA算法引入到带椒盐噪声的图像去噪应用中。该算法将噪声图像中的噪声点看作视频图像中待插值的未知像素点，利用噪声点所在ELA窗口中的其它像素点，采用ELA算法对其进行去噪处理，并在VC++6.0编程环境下验证了算法的有效性。(2)针对传统ELA算法对视频图像水平方向处理不足的问题，结合噪声图像本身的特点，对ELA算法加以改进，提出了基于边缘的改进行平均图像去噪算法IELAD。算法在横向5+5阶ELA窗口的基础上增加纵向5+5阶ELA窗口。在该算法中，首先，对噪声点进行偏水平还是偏垂直方向的判断；然后，根据该判断，选择两窗口中相应的五个方向来计算方向差，并选择方向差最小值所在方向为最佳滤波方向；最后，利用该方向上的信号点对噪声点进行恢复。(3)传统ELA算法对视频图像的恢复方向有限。针对该问题，提出基于边缘的多方向行平均图像去噪算法MELAD。首先，为避免其它噪声点对滤波结果的影响，对带噪图像进行开关中值滤波，并根据滤波结果计算5+5阶ELA窗口中的五个方向差，找到方向差最小的方向；然后，我们定义与最小方向相邻方向中方向差较小的方向为次小方向；最后，利用最小方向和次小方向上信号点灰度值的加权平均对噪声点进行恢复。这种算法通过权重的自适应选取，使得图像的恢复方向由五个方向扩展到22.5度到157.5度之间的任意方向。为了验证算法的有效性，本文在VC++6.0编程环境下对含噪密度不同的图像分别进行滤波处理。将滤波后的结果分别与均值滤波算法和改进自适应中值滤波算法滤波后的结果，从视觉效果和客观性能两个方面进行比较，验证了算法的有效性。实验结果表明IELAD算法能够在去除噪声的同时更好地保留图像的边缘和细节，MELAD算法对低密度含噪图像能达到更好的滤波效果。