均值去噪论文告格式

《均值去噪论文告格式》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、在对传统的均值滤波研究的基础上，提出了一种改进的数字图像滤波算法。该算法经实验证明在去除数字图像高斯噪声和椒盐噪声时候较传统方法有更好的效果。根据图象各部分特性，通过自适应地选择模板来进行平滑滤波。经仿真试验表明，文中方法更简单有效。关键词：图象去噪均值滤波图象处理AbstractBasedontheclassicalmeanfilter,animprovedmeanfilterdigitalimagealgorithmisputforwardinthispaper.Provedbytests,thi

2、smethodshowsbetterperformancethanthatofthetraditionalmethodinreducingtheGaussnoiseandrandomdotnoiseofdigitalimageandpreservestheclearimageedges,andtriestocombinethisnewmethodwiththetraditionalgorithmtosmooththehomogenousregionofthedisposedimageatfasters

3、peed.Experimentsshowthattheproposedmethodhasbetterperformanceinnoisesuppressionandedgespreservation,comparedwithotherdenoisingmethods.Andthismethodissimpleandeasytobeimplementedonhardware.Keywords:Imagenoiseremoval;meanfilter;imageprocessing目录摘要2Abstrac

4、t31引言52噪声52.1概述52.2噪声类型53均值滤波原理63.1图像的数字化63.2均值滤波原理63.2.1空间域平均63.2.2频率域低通滤波74均值滤波主要特性104.1均值滤波去噪声性能104.2均值滤波的频谱特性114.3传统均值滤波方法的实现125改进的均值滤波125.1图像多尺度原理125.2图像多尺度算法135.3改进算法145.4实例仿真145.5实验结果155.6分析与讨论166结束语177参考文献18附件：程序191引言随着信息高速公路数字地球村概念的提出，以及Interne

5、t的广泛应用，信息传输屮的非话业务也急剧地增长。其屮，图像信息以其信息量大，传输速度快，作用距离远等一系列优点使其成为人类获取信息的重要來源及利用信息的重要手段，各种图像处理技术得到相应的发展。图像处理的口的，就是对数字化后的图像信息进行某些运算或处理，以提高图像的质量或达到人们所要求的预期结果。例如，对被噪声污染的图像去除噪声，恢复图像木來面目⑴。数字图像处理的发展始于20世纪60年代初期，至今已有40多年的历史，其经典的图像处理方法有很多，木文通过对传统均值滤波优缺点的分析，提出一种新的均值滤波改

6、进算法,采用多尺度多方向的模板，同时根据图象各部分特性，通过口适应地选择模板來进行平滑滤波，该算法兼顾了降噪和保细节两方面要求，具有较好的滤波效果。2噪声2.1概述一幅图象在实际应用屮可能存在各种各样的噪声，这些噪声可能在传输屮产生，也可能在量化等处理中产生。噪声产生的原因决定了它的特性及它的图象信号关系。根据噪声和信号的关系可将其分为两种形式：加性噪声此类噪声与输入图象信号无关，含噪图象可表示为f(x,y)二g(x,y)+n(x,y),信道噪声及光导摄像管的摄像机扫描图象吋产生的噪声就属这类噪声。乘

7、性噪声此类噪声与图象有关，含噪声可表示为f(x,y)二g(x,y)[l+n(x,y)],扫描图象时的噪声,电视图彖中的相干噪声，胶片中的颗粒噪声就屈于此类噪声。2.2噪声类型图象的采集，转换和传输过程中，常常受到成像设备传输设备以及外部环境噪声干扰等影响，因此，实际获得的图象一般都因受到某种干扰而含有噪声。经常影响图彖的噪声源可分为三类：(1)敏感元器件内部产生的高斯噪声——这是由于器件中的电子随机热运动而造成的电子噪声。这类噪声很早就被人们成功的建模并研究，一般用零均值高斯白噪声作为其模型。(2)光

8、电转换过程中的泊松噪声——这类噪声是由光的统计木质和图像传感器中的光电转换过程引起的。在弱光情况下，影响更为严重，常用具有泊松密度分布的随机变量作为这类噪声的模型。（3）感光过程中产生的颗粒噪声——在显微镜下检查可发现，照片上光滑细致的影调在微观上英实呈现一个随机的颗粒物质。对于多数应用，颗粒噪声可用高斯过程（口噪声）作为有效模型。3均值滤波原理3.1图像的数字化以一幅黑白图像为例，它可以用二维函数表示，其屮是平面的二维坐标，表示点的亮度值（灰度值）。如