基于Matlab的图像去噪算法研究.pdf

基于Matlab的图像去噪算法研究.pdf

ID:57790910

大小:308.96 KB

页数:3页

时间:2020-04-02

基于Matlab的图像去噪算法研究.pdf_第1页
基于Matlab的图像去噪算法研究.pdf_第2页
基于Matlab的图像去噪算法研究.pdf_第3页
资源描述:

《基于Matlab的图像去噪算法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第29卷第10期河南科学Vol.29No.102011年10月HENANSCIENCEOct.2011文章编号:1004-3918(2011)10-1218-03基于Matlab的图像去噪算法研究盛仲飙(渭南师范学院数学与信息科学学院,计算机网络工程技术中心,陕西渭南714000)摘要:为了研究各种去噪算法的优劣,在介绍图像去噪的基本原理、方法的基础上,采用传统的线性、非线性以及频域的方法对数字图像进行去噪效果的分析比较和仿真实现.最后,运用Matlab中小波工具箱验证了小波变换的滤波效果.结果表明,小波的时频特性,可更好的去除噪声.关键词:图像去噪;仿真

2、;Matlab;小波变换中图分类号:TP391文献标识码:A噪声可以理解为“妨碍人们感觉器官对所接受的信源信息理解的因素”.噪声在理论上可以定义为“不[1]可预测,只能用概率统计方法来认识的随机误差”.噪声使图像变得模糊,甚至淹没图像特征,给后面图像区域分割、分析判断等工作带来了困难.如何使在终端画面上保持显示图像的各类信息,使得以加强,并且合理消除大量噪声,是数字图像处理中的重要环节和步骤,一直是图像处理研究领域进行的主要课题之一.[2]一般数字图像系统中常见的噪声有高斯噪声和椒盐噪声等.消除图像噪声的工作称之为图像滤波或平滑.通常分为线性滤波和非线性滤

3、波两类.1图像去噪常用方法1.1邻域平均法1)邻域平均法原理[3]邻域平均法是典型的线性滤波算法.它是利用Box模板对图像进行模板操作的图像平滑方法.Box模板对当前像素及其相邻的像素点都一视同仁,统一进行平均处理.进而滤去图像中的噪声.Matlab中提供conv2函数可实现邻域平滑.2)Matlab仿真结果及结论原始图像高斯噪声椒盐噪声邻域平均去高斯噪声邻域平均去椒盐噪声图1邻域平均法去除噪声结果Fig.1Thede-noisingresultsofneighborhoodaveraging可见,邻域平均法对高斯噪声有较好的平滑作用,但是对脉冲信号和其它

4、形式的高频分量抑制效果较差,且模糊信号边缘.1.2中值滤波1)中值滤波原理中值滤波是一种非线性信号处理方法,它的目的是保护图像边缘的同时去除噪声.它是一种邻域运算,收稿日期:2011-07-25基金项目:渭南师范学院研究生项目(08YKZ023)作者简介:盛仲飙(1974-),女,陕西渭南人,讲师,硕士,研究方向为基于网络的计算机应用技术.2011年10月盛仲飙:基于Matlab的图像去噪算法研究-1219-类似于卷积,但不是加权求和计算,它首先确定一个以某像素为中心点的邻域,然后将该邻域中的各个像素的灰度值进行排序,取其中间值作为中心点像素灰度的新值.邻

5、域称为窗口,当窗口在图像中上下左右移[4]动后,就可对图像进行平滑处理.Matlab提供了medfilt2函数用于中值滤波.2)仿真结果及结论高斯噪声中值滤波椒盐噪声中值滤波图2中值滤波去除噪声结果Fig.2Thede-noisingresultsofmedianfiltering可见,中值滤波可以克服线性滤波器给图像带来的模糊,在有效清除噪声的同时,又能保持良好的边缘特性.特别适合去除图像的椒盐噪声.1.3低通滤波法1)原理低通滤波法是一种频域处理的方法.在分析图像信号的频率特性时,一幅图像的边缘、跳跃部分以及颗粒噪声代表图像信号的高频分量,而大面积的背

6、景区代表图像信号的低频分量.用滤波的方法滤除其高[5]频部分就能去掉噪声,使图像得到平滑.2)仿真结果及结论高斯噪声滤波效果椒盐噪声滤波效果图3低通滤波去除噪声结果Fig.3Thede-noisingresultsoflow-passfiltering可见,频域低通滤波具有更好的选择性,对噪声在一定范围内可以起到抑制作用.2小波去噪技术2.1小波去噪原理近年来小波技术在图像处理应用上取得一些新进展.小波分析是泛函分析、傅里叶分析、样条理论、调[6]和分析以及数值分析等多个学科的相互交叉、相互融合的结晶.小波分析去噪的基本思想就是小波变换将大部分有用信号的信

7、息压缩而将噪声的信息分散.对信号进行小波分解,就是求信号与小波基函数之间的相关系数.由于局部信号的小波分解系数仅仅在一些尺度上有较大的值,而噪声的分解系数则广泛分布于各尺度上,所以噪声与局部信号在小波分解后呈现出完全不同的特性.基于这个特点,对含噪信号进行[7-9][10]小波分解与重构就达到去除噪声的目的.降噪过程如下:1)选择合适的小波函数和适当的分解层次将混有噪声的图像进行小波分解.2)对分解后的高频部分系数进行阈值量化.3)根据量化后的各层系数,计算二维信号的小波重构.-1220-河南科学第29卷第10期小波分析工具箱提供用于图像去噪的有wrcoe

8、f2和wpdencmp函数.2.2仿真过程及结果高斯噪声去噪效果椒

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。