保持图象细节的滤波算法研究毕业设计文档格式.docx

上传人:b****5 文档编号:20463397 上传时间:2023-01-23 格式:DOCX 页数:60 大小:1.12MB
下载 相关 举报
保持图象细节的滤波算法研究毕业设计文档格式.docx_第1页
第1页 / 共60页
保持图象细节的滤波算法研究毕业设计文档格式.docx_第2页
第2页 / 共60页
保持图象细节的滤波算法研究毕业设计文档格式.docx_第3页
第3页 / 共60页
保持图象细节的滤波算法研究毕业设计文档格式.docx_第4页
第4页 / 共60页
保持图象细节的滤波算法研究毕业设计文档格式.docx_第5页
第5页 / 共60页
点击查看更多>>
下载资源
资源描述

保持图象细节的滤波算法研究毕业设计文档格式.docx

《保持图象细节的滤波算法研究毕业设计文档格式.docx》由会员分享,可在线阅读,更多相关《保持图象细节的滤波算法研究毕业设计文档格式.docx(60页珍藏版)》请在冰豆网上搜索。

保持图象细节的滤波算法研究毕业设计文档格式.docx

2、掌握matlab/vc处理图像的步骤和要点;

3、掌握中值滤波算法以及保持图像细节滤波算法的基本原理。

4、需要完成设计的硬件条件:

一台计算机

所需的计算机上机学时:

约250机时

 

任务书批准日期2014年2月20日教研室(系)主任(签字)

任务书下达日期2014年2月28日指导教师(签字)

完成任务日期2014年6月3日学生(签名)

长江大学

毕业设计(论文)开题报告

题目名称保持图象细节的滤波算法研究

题目类别毕业设计

学院(系)电子信息学院

专业班级信工11001班

学生姓名王元春

指导教师付青青

辅导教师付青青

开题报告日期2014年3月15日

保持图象细节的滤波算法研究

学生:

王元春,电子信息学院

指导教师:

付青青,长江大学电子信息学院

一题目来源

其他

二研究的意义与目的

在现实生活中,将实际获得的图像进行数字化、传输和处理过程中,不可避免地存在一定的外部干扰和内部干扰,使用户获得的数字图像被噪声污染。

最简单的如将图像数字化过程中,元件的灵敏度不够、量化误差都会使数字图像与原始图像有一定的区别。

在传输过程中由于电压不稳、大气中其他声波或杂质的影响,都会使图像信息受到一定的干扰,产生噪声。

如果图像噪声太大,会严重影响图像的质量,使图像细节模糊,我们需要的信息丢失。

因此,有必要对图像去噪,可以在在一定程度上减少或者消除图像中混杂的噪声,保留图像细节。

图像去噪是图像处理的一个重要的环节,通过图像去噪,会得到更优质的图像,方便后续更高级的图像处理,一旦去噪效果不佳,后续的如图像分割、图像识别等都无从谈起。

而这些噪声中椒盐噪声(也叫脉冲噪声)的表现更为突出。

所以我们要对椒盐噪声进行研究分析,以便更好的去除椒盐噪声最大还原数字图像。

在众多滤波方法中,中值滤波因它的非线性的特点对椒盐噪声的去除有显著的效果,所以有必要对中值滤波算法做更深研究,来达到去椒盐噪声的同时最大保留图像细节。

常见的中值滤波方法有:

加权中值滤波器、开关中值滤波器、自适应中值滤波器等。

但是这些滤波器去噪不佳,或是不能很好保护图像细节,都存在一定的缺陷。

所以,本课题先研究几种典型的改进后的中值滤波算法,通过理论分析与实验仿真,比较它们在去噪、保留细节等方面的优缺点,在它们的基础上,进而寻找一种更加优越的中值滤波算法。

三阅读的主要参考资料及名称

[1]冈萨雷斯,数字图像处理,北京:

电子工业出版社,2005

[2]陆天华,数字图像处理,北京:

清华大学出版社,2007.

[3]何东健耿楠,数字图像处理

[4]卫保国,一种改进的自适应中值滤波方法,计算机应用,28(7):

1732-1734,2008.

[5]刘益成,孙祥娥.数字信号处理.北京:

电子工业出版社,2004

[6]黄载禄,殷蔚华,黄本雄.通信原理.北京:

科学出版社,2007:

130~136

[7]袁世强、谭永红,基于上下中值型噪声检测的自适应中值滤波器,中国图象图形学报,12(11):

1971-1975,2007.

[8]谭浩强.C程序设计(第二版).北京:

清华大学出版社,1999

[9]曹雪虹,张宗橙.信息论与编码.北京:

清华大学出版社,2004:

10~16

[10]倪臣敏、叶懋冬、陈孝春,一种改进的自适应中值滤波算法,中国图象图形学报,11(5):

672-678,2006

四国内外现状和发展趋势与研究的主攻方向

有在图像处理过程中,滤除图像因采集、转换和传输等过程而混入的噪声,提高图像的质量,这对于图像更好的被利于往后的深入处理有着重要的意义,因此在图像处理过程中,对图像噪声的滤除是非常重要的。

目前,应用于图像去噪的滤波技术,常见的有线性滤波技术和非线性滤波技术。

以均值滤波、维纳滤波等为代表的线性滤波技术,因其完善的理论基础,以及简易的数学操作处理,使其广泛的被应用于图像滤波领域中。

线性滤波器对于高斯噪声比较好的滤除效果,而对于其他脉冲噪声等其它形式的噪声信息抑制效果比较差,且在一定程上造成图像边缘模糊,信息丢失。

非线性滤波器则是采用一种非线性映射关系,将输入图像信号序列映射在为指定的输出图像信号。

通过非线性滤波技术,常可以将某一特性的噪声信号映射为0从而滤除该噪声信号对其像素点原本信号的影响。

由于采用的是非线性映射方法,非线性

滤波器相对于线性滤波器降低了对图像的平滑程度,在更好的保留了图像的细节及边缘信息,在一定程度上克服了线性滤波器的缺点。

由于噪声种类过多,且形成因素差异过大,当前还没有通用的滤波技术可以有效的去除各种类型的噪声。

在实际去噪操作中,我们需要针对具体图像的特质及应用背景,采用合适的滤波技术进行去噪处理。

如高斯噪声等,可以基于线性滤波器进行具体改进得到很好的处理效果。

而对于椒盐噪声,则采用中值滤波方法更加有效。

数字图像在获取、传输、接收和处理过程中,因受到一定的外部及内部干扰,从而被噪声影响。

但对图像进行边缘检测、图像分割、特征识别等许多处理工作时,都要求图像有较高的质量,因此需要先将图像中的噪声很好的进行滤除以提高图像质量。

而在图像的编码及传输中,经常经过含有噪声的线路或被电子感应噪声污染时,会使图像染上一定程度的椒盐噪声(即脉冲噪声)[2]。

因此脉冲噪声的去除也是图像去噪研究中的一个重点。

中值滤波因其特殊的对输入信号序列的映射关系,在去除脉冲噪声上有着比较好的效果,但中值滤波也会有一定程度的图像模糊。

因此很多学者针对中值滤波技术进行研究与改进,期望可以得到更好的滤波技术,更好的解决去噪和保护图像细节这一矛盾。

最早由学者Tukey在1971年首次提出了非线性滤波器的概念,并随后在其论文中介绍了最初的非线性滤波器:

中值滤波器,后来被学者称为标准中值滤波器(StandardMedianFilter,SM)。

SM采用一个固定大小的滑动窗口对图像进行过滤,对于当前窗口内像素点进行排序,采用序列中间的值作为模板窗口中心的输出值。

后来Brownrigg基于标准的中值滤波器,提出了加权中值滤波(WeigthedMedianFilter,WM),在该方法中对序列中各个元素加以权,通过权值改变窗口内各个像素点的重要程度,使噪声点更易被滤除,而信号点则更好的被保留。

Ko和Lee分析WM滤波器,发现其权值设定的不确定性,改进了权值设定方式,提出了新的中值滤波算法:

中心权值中值滤波器((Center-WeightedMedianFilter,CWM),该方法则是给予窗口中心像素点一个指定的权值,其他像素点则权值置为1,该方法较之WM显的更为简单,但同样具有WM的去噪效果。

Chen和Ma等人则基于CWM和SM两种滤波技术,设计了三态中值滤波器(Tri-stateMedianFilter),该方法中设计了一个开关,通过对滑动窗口中心像素点进行分析,以决定开关状态,选择CWM、SM或保持输入不

变三种方法进行处理。

随着自适应控制思想的发展,也有学者研究在中值滤波器中加入自适应的效果。

ENG和MA所得出的噪声自适应开关滤波器(NoiseAdaptiveSoft-SwitchingMedianFilter,NASMF)在这方面取得了比较好的研究结果,不过由于该算法需要进行四叉树分解等运算,过程比较复杂,运算量偏大,影响了去噪的效率。

Hwang和Haddad在研究中值滤波方法的自适应方法后,也得到了比较好的结果,并在其著作中提出两种自适应算法:

基于排序的自适应中值滤波(ranked-orderbasedadaptivemedianfilter,RAMF)和基于滑窗大小的自适应中值滤波(impulsesizebasedadaptivemedianfilter,SAMF),该两种算法通过自适应,更好的保护了图像的细节信息,但也在一定程度上降低了去噪的效率。

其他的还有YANG提出的中适应模糊中值滤波器(AdaptiveFuzzyMultilevelMedianFilter,AFMM),Wang等人提出的递进开关中值滤波(ProgressiveSwitchMedianFilter,PSM)等。

这些方法在各自的研究领域中有着重大的贡献,对于改进中值滤波器的性能方面的研究与发展,起着重要的作用。

五主要研究内容、需重点研究的关键问题及解决思路

传统中值滤波

1.标准中值滤波器(SM):

以一个8位的图像为例,由于椒盐噪声使受影响的像素点灰度值变成亮点,即灰度值为255;

或者暗点,即灰度值为0。

而在排序过程中,可以将受到噪声污染的像素点的灰度值排在队列的两头,在取中间值作为当前去噪点的灰度值时,即可消除噪声对该点的影响。

其具体步骤如下,

1)将窗口在图像中滑动,并将窗口中心与某一像素点重合

2)记录下窗口中所有像素点的灰度值

3)将这些灰度值从小到大排序

4)记录下该灰度值序列中间的值

5)将所记录下的中间值替代窗口中心像素点的灰度值

2.带权值的中值滤波器(WM):

对序列中各个元素加以权,通过权值改变窗口内各个像素点的重要程度,使噪声点更易被滤除,而信号点则更好的被保留。

该方法的步骤与SM基本一致,不同之处在于WM在排序取中值之前,先对窗口内所有像素点设

置相应的权值,并在排序时每个像素点需要按照其权值的数值出现多次。

假定点集{X(*,*)}为输入窗口的像素点集合,{Y(*,*)}为输出窗口像素点集合。

对当前像素点(s,t),以其为中心取(2N+1)*(2N+1)滤波窗口Win=h(i,j),在排序操作时,则X(i,j)需要重复W(i,j)次,则点(s,t)处值被修改为:

Y(s,t)=median{W(i,j)个X(i,j)}

以一个一维WM滤波窗口Win为例子,设Win是以X(4,0)为中心,左右各取一个像素值的窗口,权值为W(3,0)=2,W(4,0)=3,W(5,0)=2,则滤波值为

Y(4,0)=median{W(3,0),W(3,0),W(4,0),W(4,0),W(4,0),W(5,0),W(5,0)}

而中心权值中值滤波器(CWM)则给予窗口中心像素一个权值,其余像素权值为1。

3.三态中值滤波器(TSM):

为了更有效去除脉冲噪声,最大程度提高图像滤波质量,最理想的做法是对噪声点和非噪声点进行分离,于是有人提出三态中值滤波器(TSM)。

三态中值滤波器(TSM)先用噪声检测机制判断像素点是否被污染,若未被污染则原值输出,若被污染则用标准中值滤波器(SM)或中心权值中值滤波器(CWM)滤波。

三态中值滤波器(TSM)的输出公式为:

X(i,j)T〉d1

Ytsm(i,j)=Ycwm(i,j)d1〉T〉=d2

Ysm(i,j)T〈d2

Ycwm(i,j)、Ysm(i,j)分别为经过中心权值中值滤波器(CWM)、标准中值滤波器(SM)滤波后的输出值,X(i,j)为原值,d1、d2分别为X(i,j)与Ysm(i,j)、Ycwm(i,j)的差值。

T为阀值。

三态中值滤波器(TSM)通过阀值T检测噪声并调节输出结果。

因此,标准中值滤波器(SM)、中心权值中值滤波器(CWM)能处理的噪声点,三态中值滤波器(TSM)都能处理,检测未被污染的像素点则保持不变。

4.自适应中值滤波器(AM):

中值滤波窗口大小为奇数,设为2K+1,假定中心像素权值为m,则序列长度为2K+m,所以m必须为奇数。

当m为1时,此变为标准中

值滤波(SM),失去了中心权值中值滤波(CWM)的去噪效果。

通过他人实验证明,当m为3时,可以取得很好的去噪效果。

他人分析中心权值中值滤波后,发现除了序列中值外,序列中值前后两个值也对去噪效果有影响,提出自适应中值滤波(AM)算法。

其主要滤波算法;

上式中,ws为窗口大小,Ri表示第i个元素的值,rank(X)表示X在序列中的位置。

提出基于噪声检测的自适应中值滤波

1.噪声检测机制:

椒盐噪声的特点是,灰度表现为极大或者极小。

设计的噪声点检测机制将像素点分为三类,1)非噪声点,2)噪声点,3)图像细节点。

如下图表:

A.非噪声点检测:

它处于极大值与极小值之间,设一个阀值T,灰度极大值Gmax,极小值Gmin,当前灰度值G,满足下式为非噪声点,|G-Gmin|〉T并且|G-Gmax|〉T

B.细节点与噪声点检测:

通过第一阶段的非噪声点检测,可以区分大部分的非噪声点,但处在极值的点不能确定是否被污染,不排除存在一些极大值或极小值的细节点。

下面提出一种基于动态窗口的细节点判断方法。

假定图像的全局极大值为Gmax,极小值Gmin,滤波窗口最大值Wmax,对图

像中任意点P(a,b),有:

1.以p为中心,设置窗口大小w为3的滤波窗口。

2.计算窗口内标准中值滤波(SM)结果,记为SM,若满足Gmin〈SM〈Gmax,则转到4。

3.设置窗口大小扩展为w+2,若w〉Wmax,则转到4,否则转到2。

④④④④

4.对于当前滤波窗口,计算像素点p与另外w*w-1个像素点灰度值的均值Gmean,若Gmean〈T1,则将p点归为细节点,否则为噪声点。

在该判定算法中,通过计算窗口中心值与其它像素点的灰度值之差,并统计差额的均值,然后以均值来反应窗口中心像素点与其它像素点的关联程度。

其中T1的选取对于判定的结果有着重要的意义。

椒盐噪声滤除方法:

上图是一种基于动态窗口的自适应中值滤波(VAM),通过噪声检测机制控制自适应开关,若当前像素点判断为噪声点,则输出结果为采用VAM滤波后的;

若是非噪声点或图像细节点,则不进行任何处理,保留其输入值不变。

提出方法:

基于动态窗口的自适应中值滤波(VAM)

VAM滤波器算法流程如下:

假定全局极大值为Gmax,极小值为Gmin,滤波窗口最大为Wmax,对任意像素点P(a,b)有,

以p为中心,设置w为3的窗口。

计算当前窗口下AM滤波结果,记为AM,若Gmin〈AM〈Gmax,则转到4。

设置窗口大小为w+2,若w〉Wmax,则转到4,否则转到2。

④记当前AM为VAM,作为像素点P(a,b)的滤波结果,并将VAM更新为像素点P(a,b)滤波后的灰度值。

六完成毕业设计(论文)所必须具备的工作条件(如工具书、计算机辅助设计、某类市场调研、实验设备和实验环境条件等)及解决的办法

必须具备的工作条件:

装有VC++6.0或matlab的计算机一台、相关参考书。

七工作的主要阶段、进度与时间安排

第三周联系指导老师,了解毕业设计相关事宜,领取任务书。

第四周查阅资料,写开题报告,学习理论知识。

第五周阅读算法相关中英文资料,复习MATLAB、VC相关工具的知识。

第六周查阅资料弄清楚论文涉及的各种算法的实现程序。

第七周理论分析传统算法,加权中值滤波、开关中值滤波和自适应中值

等。

第八周编写上述方法的程序

第九周调试程序,直至可行

第十周分析传统中值滤波算法的仿真结果,进行比较。

第十一周提出模糊自适应中值滤波算法,理论分析阐述新算法,指明优越

之处。

第十二周编写新算法程序

第十三周调试程序,直至可行,用仿真结果来验证新算法的优越可行性。

第十四周写论文,准备毕业设计答辩。

第十五周论文答辩。

八指导教师审查意见

长江大学毕业论文(设计)指导教师评审意见

学生姓名

王元春

专业班级

信工11001

毕业论文

(设计)题目

保持图像细节的滤波算法研究

指导教师

付青青

职称

讲师

评审日期

评审参考内容:

毕业论文(设计)的研究内容、研究方法及研究结果,难度及工作量,质量和水平,存在的主要问题与不足。

学生的学习态度和组织纪律,学生掌握基础和专业知识的情况,解决实际问题的能力,毕业论文(设计)是否完成规定任务,达到了学士学位论文的水平,是否同意参加答辩。

评审意见:

指导教师签名:

评定成绩(百分制):

长江大学毕业论文(设计)评阅教师评语

评阅教师

评阅日期

评阅参考内容:

学生掌握基础和专业知识的情况,解决实际问题的能力,毕业论文(设计)是否完成规定任务,达到了学士学位论文的水平,是否同意参加答辩。

评语:

评阅老师签名:

长江大学毕业论文(设计)答辩记录及成绩评定

答辩时间

年月日~时

答辩地点

一、答辩小组组成

答辩小组组长:

成员:

二、答辩记录摘要

答辩小组提问(分条摘要列举)

学生回答情况评判

三、答辩小组对学生答辩成绩的评定(百分制):

_______分

毕业论文(设计)最终成绩评定(依据指导教师评分、评阅教师评分、答辩小组评分和学校关于毕业论文(设计)评分的相关规定)

等级(五级制):

_______

答辩小组组长(签名):

秘书(签名):

年月日

院(系)答辩委员会主任(签名):

院(系)(盖章)

学  生:

王元春 电子信息学院

指导老师:

付青青 电子信息学院

[摘要]数字图像在生活中的应用时随处可见的,我们常常需要把实际获取的图像进行数字化、传输和后期处理等操作,在这一系列过程中,会遇到不同程度的干扰,如此便使得数字图像遭到噪声污染。

经研究表明:

椒盐噪声(也叫脉冲噪声)在可能出现的噪声中尤为突出,所以有许多学者就对如何更好去除椒盐噪声作研究。

因为中值滤波算法有非线性特性,对椒盐噪声的去除效果明显,所以许多学者会针对典型中值滤波算法进行改进,如三态中值滤波、标准中值滤波、加权中值滤波、自适应中值滤波等。

但是以上滤波器都存在缺陷,有的太复杂不利于硬件实现,有的去噪效果不佳,有的保护图像细节不够等。

本课题研究几种典型的中值滤波算法,结合理论分析与实验仿真来比较它们在去噪和保护图像细节各方面优缺点。

然后在这个基础之上,提出一种基于噪声检测的模糊自适应中值滤波算法。

此算法里的窗口自适应噪声检测机制很好的区分了非噪声像素点和噪声像素点,这样更好的保护了图像细节。

通过仿真的图像和数据发现,新方法对于细节丰富的图像由很好的去噪声效果,有效的提高图像的峰值信噪比,对于高密度噪声,去噪效果相比其他方法更加优秀。

[关键词]:

中值滤波、图像细节、噪声检测、自适应中值滤波、阀值

Abstract

Digitalimageswhenlifeapplicationseverywhere,weoftenneedtogettheactualimageisdigitized,transmissionandpost-processingoperations,inthecourseofthisseries,willencountervaryingdegreesofinterference,soitmakesadigitalimagewasnoisepollution.Thestudyshowedthat:

saltandpeppernoise(alsocalledimpulsenoise)noisemayoccurparticularlyprominent,sotherearemanyscholarsonhowbesttoremovethesaltandpeppernoisestudy.Becausethemedianfilteringalgorithmhasnon-linearcharacteristicsofthesaltandpeppernoiseremovaleffectisobvious,somanyscholarswillbeimprovedforthetypicalmedianfilteringalgorithms,suchastri-statemedianfiltering,thestandardmedianfilter,weightedmedianfilter,adaptivemedianfiltering.Butthesefiltersareflawed,andsomearenottoocomplexforhardwareimplementation,somepoorde-noisingeffect,andsome,suchastheprotectionofimagedetailisnotenough.

Theresearchofseveraltypicalmedianfilteringalgorithm,combinedwiththeoreticalanalysis

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 高中教育 > 其它课程

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1