滤波算法开题报告综述.docx
《滤波算法开题报告综述.docx》由会员分享,可在线阅读,更多相关《滤波算法开题报告综述.docx(7页珍藏版)》请在冰豆网上搜索。
![滤波算法开题报告综述.docx](https://file1.bdocx.com/fileroot1/2023-4/16/e5352ebe-8ec4-4de3-b8c2-c12d76288f3b/e5352ebe-8ec4-4de3-b8c2-c12d76288f3b1.gif)
滤波算法开题报告综述
毕业设计(论文)开题报告
题目:
滤波算法在数字图像处理中的应用
学院:
专业:
学生姓名:
学号:
指导教师:
2013年4月3日
开题报告填写要求
1.开题报告(含“文献综述”)作为毕业设计(论文)答辩委员会对学生答辩资格审查的依据材料之一。
此报告应在指导教师指导下,由学生在毕业设计(论文)工作前期内完成,经指导教师签署意见及所在专业审查后生效。
2.开题报告内容必须用黑墨水笔工整书写或按此电子文档标准格式(可从教务处网页上下载)打印,禁止打印在其它纸上后剪贴,完成后应及时交给指导教师签署意见。
3.“文献综述”应按论文的格式成文,并直接书写(或打印)在本开题报告第一栏目内,学生写文献综述的参考文献应不少于10篇(不包括辞典、手册),其中至少应包括1篇外文资料;对于重要的参考文献应附原件复印件,作为附件装订在开题报告的最后。
4.统一用A4纸,并装订单独成册,随《毕业设计(论文)说明书》等资料装入文件袋中。
毕业设计(论文)开题报告
1.文献综述:
结合毕业设计(论文)课题情况,根据所查阅的文献资料,每人撰写2500字以上的文献综述,文后应列出所查阅的文献资料。
文献综述
一、数字图像处理
数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
数字图像处理的产生和迅速发展主要受三个因素的影响:
一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
数字图像处理常用方法有以下几个方面:
1)图像变换:
由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大。
因此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可减少计算量,而且可获得更有效的处理(如傅立叶变换可在频域中进行数字滤波处理)。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性,它在图像处理中也有着广泛而有效的应用。
2)图像编码压缩:
图像编码压缩技术可减少描述图像的数据量(即比特数),以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得,也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法,它在图像处理技术中是发展最早且比较成熟的技术。
3)图像增强和复原:
图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。
图像增强不考虑图像降质的原因,突出图像中所感兴趣的部分。
如强化图像高频分量,可使图像中物体轮廓清晰,细节明显;如强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解,一般讲应根据降质过程建立“降质模型”,再采用某种滤波方法,恢复或重建原来的图像。
4)图像分割:
图像分割是数字图像处理中的关键技术之一。
图像分割是将图像中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。
虽然目前已研究出不少边缘提取、区域分割的方法,但还没有一种普遍适用于各种图像的有效方法。
因此,对图像分割的研究还在不断深入之中,是目前图像处理中研究的热点之一。
5)图像描述:
图像描述是图像识别和理解的必要前提。
作为最简单的二值图像可采用其几何特性描述物体的特性,一般图像的描述方法采用二维形状描述,它有边界描述和区域描述两类方法。
对于特殊的纹理图像可采用二维纹理特征描述。
随着图像处理研究的深入发展,已经开始进行三维物体描述的研究,提出了体积描述、表面描述、广义圆柱体描述等方法。
6)图像分类(识别):
图像分类(识别)属于模式识别的范畴,其主要内容是图像经过某些预处理(增强、复原、压缩)后,进行图像分割和特征提取,从而进行判决分类。
图像分类常采用经典的模式识别方法,有统计模式分类和句法(结构)模式分类,近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
二、滤波算法概述
在数字图像处理中,用于消除噪声的滤波器主要可分为两大类I2J:
空域滤波器和频域滤波器。
空域滤波是在图像空间借助模板/掩模(Mask)进行邻域操作完成的。
常见的空域滤波去噪方法有邻域均值滤波器和中值滤波器。
1、中值滤波(Medianfiltering)对应的中值滤波器(Medianfilter)是非线性滤波器,是一种典型的空域低通滤波器。
在一定条件下,中值滤波可以克服线性滤波器如邻域平均滤波、最小均方滤波等带来的图像细节模糊,而且对滤除脉冲干扰及图像扫描噪声最为有效。
众多研究表明,中值滤波器是一种优化的保持边缘、滤除脉冲干扰的滤波器。
中值滤波原理在数据中移动,将模板正中的那个点的值用模板内各点的中值代替。
设一维数据序列{,⋯},取模板尺寸为m(m为奇数),对此一维数据序列进行中值滤波,就是从输入序列中相继抽出m个数{⋯⋯一。
+一+},其中为窗口中心点值,=(m一1)/2。
将这m个点值按其数值大小排序,取其序号为正中间的那个数作为滤波输出。
若设Y为滤波输出,则一维中值滤波表示为:
Yi=Med{一,⋯,..+};i∈n,=
(1)二维中值滤波可由下式表示:
YfJ=Med{。
}
(2)
其中,S为滤波模板;{.,}为二维数据序列;{Y1.,f为滤波输出。
二维中值滤波的模板形状和尺寸有多种样式,不同的图像内容和不同的应用要求,往往采用不同的模板形状和尺寸,常用的中值滤波模板有线形、方形、“十”字形、“x”字形以及矩形等J。
中值滤波算法步骤
中值滤波算法步骤为:
1)将滤波模板在图像中漫游,并将模板中心与图像中某个像素位置重合;2)读取模板中各对应像素的灰度值;3)将这些灰度值从小到大排列;4)取这一列数据的中间数据赋给对应模板中心位置的中值滤波就是用一个含有奇数点的滑动模板(即掩模)像素。
可以看出,中值滤波器的主要功能就是让与周围像素灰度值的差比较大的像素改取与周围像素接近的值,从而可以消除孤立的噪声点。
由于它不是简单的取均值,所以产生的模糊比较少。
中值滤波器虽然对孤立的噪声点,即椒盐噪声、脉冲噪声具有很好的滤波效果,但对于随机高斯、均匀噪声的滤波效果并不理想。
2邻域均值滤波算法
邻域均值(NeighborhoodAveraging)[23滤波算法是最简单的空域滤波处理方法,也是最常用的线性平滑滤波器。
这种滤波器的基本思想是用模板内各像素灰度的平均值来代替模板中心位置点的像素灰度值。
对于大小为n×n的灰度图像_r(,Y),若设滤波处理后图像为g(,Y),则g(x,Y)由下式计算:
1一g(,)=√)(3)⋯(IJB5)式中,Y=0,1,2,⋯,n一1,S是以点(,Y)为中心的模板像素点坐标的集合,但不包括(,Y)点,m是模板大小,即模板集合内像素点的总数。
滤波后图像g(,Y)中每个像素的灰度值,均由包含(X,Y)的预定邻域中的几个像素的灰度平均值来决定。
中值滤波器虽然对孤立的噪声点,即椒盐噪声、脉冲噪声具有很好的滤波效果,但对于随机高斯、均匀噪声的滤波效果并不理想。
结合邻域均值滤波算法的特点,本文在中值滤波算法的基础上,研究设计了一种新的加窗中值滤波算法,有效地改进了其滤波性能。
3、加窗中值滤波算法设计
结合前面对中值滤波算法及邻域平均滤波算法原理的介绍,这里给出加窗中值滤波算法的设计思路与实现步骤。
加窗中值滤波同样是用一个滑动模板,不同的是需要将模板正中的那个点的值用模板内各点排序后的中间部分值的均值来代替。
中间部分像素点数目通常取不超过模板大小50%的最大奇数。
加窗中值滤波算法的实现步骤为:
1)依据模板大小计算中间窗体大小m。
;2)将滤波模板在图像中漫游,并将模板中心与图像中某个像素位置重合;3)读取模板中各对应像素的灰度值;4)将这些灰度值从小到大排列;5)对这一列数据的中间窗体数据取均值;6)将计算结果赋给对应模板中心位置的像素。
三.参考文献
1、数字图像处理冈萨雷斯著北京:
电子工业出版社,2006。
2、实用数字图像处理陈书海,傅录祥北京:
科学出版社,2005。
3、CASTLEMANKR.Distalimageprocessing【M】.【s.1.】:
PrinceHal1.1998:
36—40.
4、CHENTAO,MAKAI—KUANG,CHENLI—HUI.Tri—stateMedianFilterforImageDenoising[J】.IEEETransactionsonImageProcess—
ing,1999,8(12):
1834—1838.
毕业设计(论文)开题报告
2.开题报告:
一、课题的目的与意义;二、课题发展现状和前景展望;三、课题主要内容和要求;四、研究方法、步骤和措施
开题报告
一、课题的目的与意义
一般来讲,对图像进行处理(或加工、分析)的主要目的有三个方面:
提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。
提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。
提取特征或信息的过程是模式识别或计算机视觉的预处理。
提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。
图像数据的变换、编码和压缩,以便于图像的存储和传输。
不管是何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出
意义:
再现性好数字图像处理与模拟图像处理的根本不同在于,它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。
只要图像在数字化时准确地表现了原稿,则数字图像处理过程始终能保持图像的再现。
处理精度高按目前的技术,几乎可将一幅模拟图像数字化为任意大小的二维数组,这主要取决于图像数字化设备的能力。
现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高,这意味着图像的数字化精度可以达到满足任一应用需求。
对计算机而言,不论数组大小,也不论每个像素的位数多少,其处理程序几乎是一样的。
换言之,从原理上讲不论图像的精度有多高,处理总是能实现的,只要在处理时改变程序中的数组参数就可以了。
回想一下图像的模拟处理,为了要把处理精度提高一个数量级,就要大幅度地改进处理装置,这在经济上是极不合算的。
适用面宽图像可以来自多种信息源,它们可以是可见光图像,也可以是不可见的波谱图像(例如X射线图像、射线图像、超声波图像或红外图像等)。
从图像反映的客观实体尺度看,可以小到电子显微镜图像,大到航空照片、遥感图像甚至天文望远镜图像。
这些来自不同信息源的图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像(彩色图像也是由灰度图像组合成的,例如RGB图像由红、绿、蓝三个灰度图像组合而成)组合而成,因而均可用计算机来处理。
即只要针对不同的图像信息源,采取相应的图像信息采集措施,图像的数字处理方法适用于任何一种图像。
灵活性高图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分,每一部分均包含丰富的内容。
由于图像的光学处理从原理上讲只能进行线性运算,这极大地限制了光学图像处理能实现的目标。
而数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现
二、课题发展现状和前景展望
数字图像处理最早出现于20世纪50年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。
图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得实际成功应用的是美国喷气推进实验室(JPL)。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术,如几何校正、灰度变换、去除噪声等方法进行处理,并考虑了太阳位置和月球环境的影响,由计算机成功地绘制出月球表面地图,获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理,以致获得了月球的地形图、彩色图及全景镶嵌图,获得了非凡的成果,为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术,如对火星、土星等星球的探测研究中,数字图像处理技术都发挥了巨大的作用。
数字图像处理取得的另一个巨大成就是在医学上获得的成果
三、课题主要内容和要求
(1)初步方案:
首先分析滤波算法的关键理论和采取的主要技术,从理论上和技术上两个角度对当前主流技术做深入的分析,通过查阅大量资料(查看书籍,文献查阅和上网搜索),结合自己理解,总结技术发展规律,作出展望。
(2)主要任务:
1.包括滤波算法的基本概念介绍和理论分析。
2.分析滤波算法在数字图像中的具体的应用。
3.找出滤波算法在数字图像中的应用实例。
4.最后对滤波算法在数字图像处理中的应用做了总结,给出了一些需要继续研究的内容和方向。
4、研究方法、步骤和措施
,加窗中值滤波算法的实现步骤为:
1.依据模板大小计算中间窗体大小m。
;
2.将滤波模板在图像中漫游,并将模板中心与图像中某个像素位置重合;
3.读取模板中各对应像素的灰度值;
4.将这些灰度值从小到大排列;
5.对这一列数据的中间窗体数据取均值;
6.将计算结果赋给对应模板中心位置的像素。
毕业设计(论文)开题报告
指导教师意见:
1.对“文献综述”的评语:
2.对本课题的深度、广度及工作量的意见和对设计(论文)结果的预测:
指导教师:
年月日
所在专业审查意见:
负责人:
年月日