网站已改版，请使用新地址访问：
smooth 使用邻域平均法、中值滤波 K邻近 进行平滑。
利用Roberts梯度 Sobel算子 matlab 238万源代码下载- www.pudn.com
&文件名称: smooth
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 8100 KB
&&上传时间:
&&下载次数: 79
&&提 供 者:
&详细说明：使用邻域平均法、中值滤波法、K邻近平均法进行平滑。
利用Roberts梯度法、Sobel算子和拉普拉斯算子进行锐化，并比较结果。
-smooth and sharpen
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&作业五\addnoise.asv&&......\addnoisezzly.m&&......\child.JPG&&......\christmas.bmp&&......\gmean.asv&&......\kly.asv&&......\kly.m&&......\K邻域滤除高斯和椒盐噪声.fig&&......\qiuqiu.jpg&&......\ruihua.asv&&......\ruihua.m&&......\shangke.png&&......\sobel算子锐化.fig&&......\中值滤波法滤除高斯和椒盐噪声.fig&&......\加入高斯噪声和椒盐噪声的图像.fig&&......\原始图像.fig&&......\原始图像gray.fig&&......\拉普拉斯算子锐化.fig&&......\梯度锐化.fig&&......\邻域平均法滤除高斯和椒盐噪声.fig&&作业五
&近期下载过的用户:
&相关搜索:
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - K近邻算法（KNN）的matlab源代码，程序清晰易读
&[] - 原理与分类
空域滤波器的定义、原理、分类
平滑滤波器
均值滤波器、中值滤波器、基本低通滤波器
锐化滤波器
微分滤波器、基本高通滤波器
&[] - 邻域平均法滤波
原图像画面清晰，添加勒椒盐噪声后图像上产生勒明显的黑色斑点（噪声），用不同模板的平滑滤波处理后图像上的噪声消失，但是图像变得模糊，并且，使用的模板越大，对图像的去噪效果越好，同时图像也变得越模糊。
&[] - MATLAB给图像添加高斯、椒盐、加性及乘性噪声(噪声生成)源代码Free Source Code for Adds diferent types of noise to an image
&[] - 实现两种锐化图像输出，要求采用两种梯度算子：
（1）Sobel梯度算子（2）拉普拉斯算子：
第一章作业：
用C语言或者VC，VB，Matlab或其他语言完
成如下实验：
1）打开一个BMP文件
2）将其局部区域的灰度值进行改变
3）另存为一个新的BMP文件
要求显示出原BMP图像和新BMP图像。
1。打开一幅图像，添加椒盐、高斯噪声，然后使用邻域平均法、中值滤波
&[] - 利用邻域平均法和中值滤波法实现一幅加噪图像的平滑
&[] - 直方图均衡化
直方图的均衡化可以使图像的像素灰度值动态范围变大，增强图像的对比度看起来更清晰。上图经过直方图均衡化方法处理后不再特别暗淡，其直方图反映出来的灰度的概率分布也相对比较均匀第20卷第1期1998年3月南昌大学学报(工科版；JournalofNanchangUnivers；吴建华李迟生周卫星；(南昌大学电子科学工程系,南昌330029)；摘要推导和讨论了中值滤波和均值滤波的去噪性能1分；关键词中值滤波,均值滤波,噪声模型中图法分类号T；前言；线性平滑滤波器因易于设计和在多数场合的优越性能而；11,22；1噪声模型；为了模拟更一般
第20卷第1期1998年3月南昌大学学报(工科版)JournalofNanchangUniversity(Engineering&Technology)Vol.20No.1Mar.1998中值滤波与均值滤波的去噪性能比较吴建华 李迟生 周卫星(南昌大学电子科学工程系,南昌330029)
摘要 推导和讨论了中值滤波和均值滤波的去噪性能1分析和实验表明,在更一般的噪声模型下,当噪声污染的概率较小时,中值滤波抑制噪声的能力优于均值滤波;而当噪声污染的概率较大时,均值滤波抑制噪声的能力优于中值滤波1关键词 中值滤波,均值滤波,噪声模型中图法分类号 TN94111前言线性平滑滤波器因易于设计和在多数场合的优越性能而成为信号处理的重要手段,尤其表现在信号频谱和噪声频谱具有显著不同的特征的时候1然而,我们经常要处理具有陡峭边缘也即具有很宽频谱的信号,线性平滑滤波器却在平滑噪声的同时也使图像边缘变得模糊1另一方面,线性滤波器也不能完全去除脉冲噪声1因此,在许多应用场合,中值滤波被选用以克服上述问题1中值滤波在去除脉冲噪声的同时保持边缘不受干扰1但是对于大面积的噪声污染,例如高斯分布的白噪声,在均方误差准则下,中值滤波平滑噪声的能力却不及均值滤波)))最常用的一种线性滤波1这是因为滤波窗(即邻域)中如果多数图像点被噪声污染了的话,中值滤波的输出仍然是某个被噪声污染了的象素,而均值滤波却对噪声进行了求均值运算,在某种程度上对噪声进行了平滑1本文意在进一步从理论上分析和比较中值滤波和均值滤波在更一般的噪声模型下平滑噪声的能力1分析和实验表明,对于本文将要给出的噪声模型,在均方误差准则下,当噪声污染的概率Pe小于0179时,中值滤波平滑噪声的能力优于均值滤波;而当噪声污染的概念Pe大于0179时,均值滤波平滑噪声的能力优于中值滤波1下面先给出噪声模型,然后将中值滤波和均值滤波的性能进行比较,最后给出实验结果和结论111,221 噪声模型为了模拟更一般的噪声污染,采用以下的噪声模型132,令sij表示原图像在(i,j)处的灰度值,则couij=sij
以概率1-Pesij+n2(1)其中Pe为出错概率;n为均值为0方差为R的高斯分布的白噪声1Pe的值反映了噪声污染程度1当Pe值很小时,噪声表现为颗粒状的黑白斑点1Pe增大后,这种颗粒噪声增多,且会出现有一定面积的脉冲干扰1当Pe=1时,原图像上即叠加了均收稿日期:第1期吴建华等:中值滤波与均值滤波的去噪性能比较#33#值为0方差为R2的高斯白噪声1当Pe>0.9时,这种噪声已非常接近于高斯分布的白噪声1令则值滤dij=uij=sij+dij0 以概率1-Pen以概率Pe(2)由于n是均值为0方差为R2的高斯随机变量,dij的概率密度函数为fd(x)=(1-Pe)D(x)+Pefn(x)其中fn(x)=1e-2PRx22R12(3)当R=1时,fn(x)=1-e2Px2212 中值滤波与均值滤波均值滤波可归结为矩形窗加权的有限冲激响应线性滤波器,它的幅度特性的/主瓣0对应2P2P频率范围为(-,)的区域(其中N为矩形窗的窗口长度,也即滤波窗口内的象素数目),NN第一个/旁瓣0比主峰低13分贝1因此,均值滤波相当于低通滤波器,截止频率与N成反比1421但不管N怎么选取,均值滤波的这种低通性能在平滑噪声的同时,必定也会模糊信号的细节和边缘1中值滤波正是在这方面有着优越性能1中值滤波的定义在很多文献里都可找到11,221这里不加证明给出中值滤波的主要性能11)非线性滤波1由于叠加原理此时不再成立,因此中值滤波是一种非线性滤波12)保边缘性1设输入信号的某个区域可分为两个连续的小区域,每个小区域的灰度值各为一常数1两个小区域的分界点称为边缘1即边缘是那么一些点的集合,它的任何邻域包含这两个小区域的象素1中值滤波在边缘点上的输出不变13)消除脉冲噪声1设在一常数邻域里有脉冲噪声,脉冲噪声的面积定义为滤滤窗口内被噪声污染的象素的个数,则当脉冲噪声的面积小于N/2时,中值滤波将消除这种脉冲型干扰,输出值为窗口内原图像邻域的常数值14)当窗口内各象素值经过排序后成为一单调递增序列时,中值滤波的输出值不会是这个序列的最小值和最大值15)均值滤波平滑高斯白噪声的能力优于中值滤波16)根据次序统计量有关分布函数和分布密度的结论,设母体X的密度函数为fX(x),分布函数为FX(x),窗口内各象素的值从小到大排序为(X(1),X(2),X(N))=Y1,Y2,,YN),则中值Y的密度函数为fY(y)=N-1N-1N![FX(y)]2[1-FX(y)]2fX(y)N-1)!]2[(2152(4)3 中值滤波与均值滤波的进一步讨论311 中值滤波输出方差根据式(3),对于上述的噪声模型,样本母体X的概率密度函数为2PexfX(x)=(1-Pe)D(x)+exp(-)2R22PR(5)#34#南昌大学学报(工科版)1998年则由式(4),N点中值输出Y的概率密度函数为fY(y)=N-1N![FX(y)(1-FX(y)]2fX(y)N-12[(2)!](6)其中输出方差312 均值滤波输出方差FX(y)=2RmedQf=Qyf-]]2-]yX(x)dx(7)Y(y)dy由于窗口内样本独立,则噪声的N维概率密度函数为NfN(x1,x2,,xN)=iF[(1-Pe)D(xi)+=1y1=Pex2iexp(-)]2R22PR(8)x1+x2+,+xNx1=Ny1-y2-,-yNNx2=y2令 y2=x2
即 ssxN=yNyN=xN则随机变量Y1,Y2,,YN的联合分布密度变函数为fN(y1,y2,,,yN)=|J|fN(x1,x2,,,xN)其中|J|为雅可比行列式,|J|=|所以N5(x1,x2,,,xN)|=N5(y1,y2,,,yN)x2Peiexp(-)]2R22PRPee-2PR(Ny1-y2-,-yN)2R22
fN(y1,y2,,,yN)=NiF[(1-Pe)D(xi)+=1
Y1的概率密度函数fY1(y1)=并由此可推导出fY1(y1)=(1-Pe)D(y)+kE=1输出方差R2mean=NN=N[(1-Pe)D(Ny1-y2-,-yN)+ i=F2[(1-Pe)D(yi)+N]#Pey2iexp(-)]2R22PRdyNfN(y1,y2,,,yN)Q]-]dy2,Q]-]kCkNPe(1-Pe)N-kNe-2PkRNy12kR222(9)Pe(10)-]N
取R=1,N=5,当输入噪声为前述的噪声模型时,根据式(7),(8),(9),利用数值积分,得Q]y2fY1(y)dy=到输出方差与Pe的关系曲线如图11可以看出,均值滤波输出方差随着Pe的增大而线性增长1当Pe=1即输入为高斯分布的白噪声时,均值滤波输出方差为0.2(即1/N)1中值滤波输第1期吴建华等:中值滤波与均值滤波的去噪性能比较#35#出方差在Pe较小时增长很慢,去噪声能力优于均值滤波1当Pe>0.5以后,方差增长速度加快1至Pe=0.79时,两条曲线相交,两者的去噪能力相当1当Pe>0.79以后,中值滤波输出方差大于均值滤波输出方差,即均值滤波去噪能力优于中值滤波1附表 LENNA图像中值滤波与均值滤波输出信噪比比较
噪声图像0.130.230.20.40.60.81.027.21.1120.12Pe中值滤波33.00/2......06均值滤波30.44/0......33两者滤波增益之差2.562.401.670.63-0.38-1.27图1 输出方差与Pe的关系曲线4 实验结果以LENNA图像为例,噪声n为均值为0方差为672的高斯分布的白噪声1当Pe=0.1,0.2,0.4,0.6,0.8,1.0时中值滤波与均值滤波的输出图像信噪比示于附表(斜线后的值为信噪比改善)1部分输入和输出图像见图21(a) LENNA
(b) 噪声图像
(c) 噪声图像
Pe=0.8 (d) 噪声图像
Pe=1.0 (e) (b)的中值
滤波输出(f) (b)的均值
(g) (c)的中值
滤波输出 (h) (c)的均值
滤波输出 图2 部分实验图像 (i) (d)的中值
滤滤输出 (j) (d)的均值
从附表可以看出,当Pe值较小时,中值滤波输出信噪比明显高于均值滤波输出;当Pe逐渐增大时,噪声图像信噪比下降,两者输出图像信噪比的改善值也逐渐增大,但均值滤波输出信噪比的改善值增长幅度大1当Pe=0.8时,均值滤波输出信噪比略大于中值滤波输出信噪比,平滑噪声的能力接近1而当Pe=1即噪声污染是高斯分布的白噪声时,均值滤波输出信噪比明显高于中值滤波输出信噪比1实验结果与前面的理论分析结果是吻合的(下转第61页)第1期黄志超等:多自由度电磁振动给料机的设计#61#162 黄志超,丁年雄,熊兆凡1一种新型制样粉碎机的设计1南昌大学学报(工科版),):66~69TheDesignofMultipleDegree-of-FreedomElectormagneticVibratingFeederHuangZhichao HeYouyi LiuZhifang(MechanicalEngineeringDepartment,EastChinaJiaotongUniversity,Nanchang330013)YuanHongzhi
RaoJiankang (NanchangUniversity,Nanchang330029) (JiangxiAutomobileFactory,Nanchang330001)ABSTRACT Byadoptingtheanti-resonanceprincipleofmultipledegreesoffreedom,thispaperdesignedanewkindofelectormagneticvibratingfeeder.Itpossessesagoodresultofvibrationisolation.KEYWORDS vibratingfeeder,multipledegree-of-freedom,anti-resonance(上接第35页)参考文献112 ThomasANodes.MedianFilters:SomeModificationsandTheirProperties.IEEETransonAcoust,SpeechandSignalProcessing,1982,ASSP-30(5):739~746122 GalagherNC,WiseGL.ATheoreticalAnalysisofthePropertiesofMedianFilters.IEEETransonAcoust,SpeechandSignalProcessing,1981,ASSP-29(6):132 HwangH,HaddadRA.AdaptiveMedianFilter:NewAlgorithmsandResults.IEEETransonIP,1995,4(4):499~502142 OppenheimAV,SchaferRW.DigitalSignalProcessing.NewYork:Prentice-HallInc,1975152 复旦大学1概率论1北京:人民教育出版社,1979ComparisonbetweentheNoise-suppressingAbilitiesoftheMedianFiltersandtheAverageFiltersWuJianhua LiChisheng ZhouWeixing(ElectronicScienceandEngineeringDepartment,NanchangUniversity,Nanchang330029)ABSTRACT Thenoise-suppressingabilitiesofthemedianfiltersandtheaveragefilterswerederivedanddiscussed.Analysisandexperimentsshowedthatundertheassumptionofamoregeneralnoisemodel,themedianfilteringissuperiortotheaveragefilteringinsuppressingnoisewhenthenoisepollutionprobabilityisrelativelysmall,whiletheaveragefilteringissuperiortothemedianfilteringwhenthenoisepollutionprobabilityisrelativelylarge.KEYWORDS medianfiltering,averagefiltering,noisemodel三亿文库3y.uu456.com包含各类专业文献、应用写作文书、各类资格考试、专业论文、幼儿教育、小学教育、中学教育、行业资料、74中值滤波与均值滤波的去噪性能比较等内容。　
　均值滤波与自适应中值滤波的仿真与实现摘 要 图像是一种重要的信息源,通过图像...但传统中值滤波去脉冲 噪声的性能受滤波窗口尺寸的影响较大, 在抑制图像噪声和... 　出原始信号,并且观看不同 M 值时滤波后波形的比较...从对随机噪声的抑制能力方面来看,中值滤波性能要比...中值滤波与均值滤波的去... 5页 免费
中值滤波... 　比较相邻两数据的大小 ;若前者小于等于后者,跳转到L1 ;若前者大于后者,则两者交换 四、 运行结果: 1、 中值滤波: 2、 均值滤波: 五、 两种滤波方式的优缺点... 　实验三一、 实验目的 均值滤波和中值滤波 进一步了解 MatLab 软件/语言,学会使用 MatLab 对图像作滤波处理,使学生有机会掌握滤波 算法,体会滤波效果。 了解几种不... 　实验四: (必须做,是平时成绩参考的标准) 作业: 文件,采用中值滤波和均值滤波, 作业:对 lean.raw 文件,采用中值滤波和均值滤波,完成图象去噪 中值滤波: /**... 　读取图像和加噪过程与均值滤波相同。 2. 采用取用中值对图像滤波。 对图像 3...然后将 原图像中各个点进行灰度映射, 映射到当前灰度分布中去,即可得到直方图... 　中值和均值滤波算法_数学_自然科学_专业资料。作业:对 lean.raw 文件,采用中值滤波和均值滤波,完成图象去噪 中值滤波: /***作业:对 lean.raw 文件,采用中值... 　基于中值滤波的图像去噪研究_院校资料_高等教育_教育专区。毕业论文XXXX...使用二维中值滤波最值得 注意的是保持图像中有效的细线状物体。与平均滤波器相比...滤波技术在医学图像去噪中的应用,毕业论文 三亿文库
滤波技术在医学图像去噪中的应用,毕业论文
滤波技术在医学图像去噪中的应用 特性的数值，如图像的方差，均值，信噪比等。 4.2去噪效果综合评价 均值滤波的基本思想是用几个像素灰度的平均值来代替每个像素的灰度，假定有一幅N×N个像素的图像f(x,y)，平滑处理后得到一幅图像g(x,y)，g(x,y)由下式决定：
g(x,y)?1M?(m,n)?sf(x,y)
上式中x,y?0,1,2,???N?1,S是(x,y)点邻域中点的坐标的集合，但其中不包括(x,y)点，M是集合内坐标点的总数，平滑化的图像g(x,y)中的每个像素的灰度值均由包含在(x,y)的预定邻域中的几个像素的灰度值的平均值来决定。这种滤波器在一定程度上对噪声的抑制能力取决与窗口的大小，但并不是窗口越大越好，窗口过大时，会使图像变的模糊不清，造成图像的失真。只有选择合适的窗口，才是最科学的。当噪声密度过大时，它的处理效果是比较理想的。它是通过把突变点的灰度分散在其相邻点中来达到平滑效果，操作起来也简单，它是取灰度值的平均值来做为像素点的灰度值，也是比较接近真实值的，所以可以说是一种比较理想的去噪方法。 维纳滤波器也叫最小方差滤波器，维纳滤波是一种自适应滤波，它能根据图像的局部方差调整滤波器的输出，它的最终目标是使恢复图像与原始图像f(x,y)的均方误差最小： minMSE?minE{e(x,y)}?minE{(f(x,y)?f(x,y)} 22
维纳滤波比较适应去除噪声和信号的频谱区别较大的图像，对于噪声和信号有相互叠加的图像，去噪效果则不甚理想。该滤波器计算量较大，算法执行的效率较低。所以不适合用来对医学图像的去噪。 高斯滤波属于线性平滑滤波，在去处图像的高斯噪声时效果比较明显，但由于医学图像的噪声和信号有相互重叠的地方，因为此种方法去噪比较机械，比较适应噪声和信号互不叠加的图像，所以也不适合用来对医学图像的去噪。 巴特沃斯低通滤波器属于传统的低通滤波器，它只能机械而有严格的从频带上控制频率的通过与否，对与信号和噪声有相互重叠的图片不能有效的滤除噪 26 滤波技术在医学图像去噪中的应用 声，它在给图像去噪的过程中很有可能会将图像的一部分有用信号给滤除掉。从而造成图像的失真，所以此种方法对于医学图像去噪而言，也是不太科学的。 中值滤波是一种非线性信号处理方法，它的基本原理是把数字图像或数字序列中的一点的值用该点的一个邻域中的各点值的中值代替，通俗地讲中值滤波就是用一个活动窗口沿图像移动，窗口中心位置的像素灰度用窗口内所有像素灰度的中值来代替，对于一幅图像的像素矩阵，取以目标像素为中心的一个子矩阵窗口，这个窗口可以是3×3，5×5等。邻域的大小决定在多少个数值中求中值。中值滤波对噪声抑制能力取决于滑动窗尺寸，选择合适尺寸是实现噪声滤除和边缘保持的关键。实践证明，中值滤波很容易去除孤立点、线性的噪声同时保持图像的边缘，能很好的去除二值噪声，对脉冲干扰和椒盐噪声的抑制效果比较好，在抑制随机噪声的同时能有效保护边缘少受模糊，但是对高斯噪声效果不好。一些常见的噪声有椒盐（Salt & Pepper）噪声、脉冲噪声、高斯噪声等[17]。椒盐噪声含有随机出现的黑白强度值。而脉冲噪声则只含有随机的白强度值（正脉冲噪声）或黑强度值（负脉冲噪声）。与前两者不同，高斯噪声含有强度服从高斯或正态分布的噪声。超声斑点噪声的特点更接近于椒盐噪声。而这几种去噪技术中，中值滤波对于椒盐噪声处理效果最好，同时它对超声图像细节的模糊程度也比较小。通过编程测试，它的算法的代码的执行效率也比自适应维纳滤波器要高，且在同一窗口下对同一幅医学图像进行多次滤波，效果更好。窗口的大小虽然有时对滤波效果影响很大，但合理的选择窗口后也是一种比较理想的图像去噪方案。 函数（信号）的小波变换蕴含着信号多分辨率分析的思想，同时又从数学的高度赋予了严密的定义。小波变换可以在系数空间域上同时对函数进行时频分析，具有更好的频率、时间局部化能力。小正是适用于非稳定信号的处理工具。篇幅有限，在这里不过多的研究。 总上所述，均值滤波和中值滤波都是比较好的医学图像去噪方案，下面就进一步比较这两种方法的优劣。 4.3均值滤波和中值滤波进一步讨论 4.3.1 均值滤波和中值滤波效果综合评比 线性平滑滤波器因易于设计和在多数场合的优越性能而成为信号处理的重要手段，尤其表现在信号频谱和噪声频谱具有显著不同的特征的时候。然而，我 27 滤波技术在医学图像去噪中的应用 们经常要处理具有陡峭边缘也即具有很宽频谱的信号，线性平滑滤波器却在平滑噪声的同时也使图像边缘变得模糊。另一方面，线性滤波器也不能完全去除脉冲、椒盐噪声。因此，在许多应用场合，中值滤波被选用以克服上述问题。中值滤波在去除脉冲、椒盐噪声的同时保持边缘不受干扰。但是对于大面积的噪声污染，例如高斯分布的白噪声，在均方误差准则下，中值滤波平滑噪声的能力却不及均值滤波。这是因为滤波窗(即邻域)中如果多数图像点被噪声污染了的话，中值滤波的输出仍然是很可能是某个被噪声污染了的像素，而均值滤波却对噪声进行了求均值运算，在某种程度上对噪声进行了平滑。本部分意在进一步从理论上分析和比较中值滤波和均值滤波在一般的噪声模型下平滑噪声的能力[18]。 4.3.2 中值滤波与均值滤波特点 均值滤波可归结为矩形窗加权的有限冲激响应线性滤波器，它的幅度特性对应频率范围为(?2?N,2?N)的区域(其中N为矩形窗的窗口长度，也即滤波窗口内的像素数目)，因此，均值滤波相当于低通滤波器，截止频率与N成反比，但不管N怎么选取，均值滤波的这种低通性能在平滑噪声的同时，必定也会模糊信号的细节和边缘。中值滤波正是在这方面有着优越性能[19]。其区别表现在：
（1）非线性滤波，由于叠加原理此时不再成立，因此中值滤波是一种非线性滤波。 （2）保边缘性，设输入信号的某个区域可分为两个连续的小区域，每个小区域的灰度值各为一常数。两个小区域的分界点称为边缘。即边缘是那么一些点的集合，它的任何邻域包含这两个小区域的象素，中值滤波在边缘点上的输出不变。 （3）消除椒盐、脉冲噪声，设在一常数邻域里有脉冲噪声，椒盐、脉冲噪声的面积定义为滤滤窗口内被噪声污染的像素的个数，则当脉冲噪声的面积小于N/2时，中值滤波将消除这种脉冲型干扰，输出值为窗口内原图像邻域的常数值。 （4）当窗口内各像素值经过排序后成为一单调递增序列时，中值滤波的输出值不会是这个序列的最小值和最大值。 （5）均值滤波平滑高斯白噪声的能力优于中值滤波。 （6）根据次序统计量有关分布函数和分布密度的结论，设母体X的密度函数为fx(x)，分布函数为Fx(x)窗口内各象素的值从小到大排序为 ：
28 滤波技术在医学图像去噪中的应用
(X(1),X则中值Y的密度函数为： fY(y)?[(N!N?12)!]2(2)???XN()?YY,?1??YN2 )
N?1N?1[FX(y)]2[1?FX(y)]2fX(y)
4.3.3中值滤波输出方差 样本母体X的概率密度函数为[20]： fX(x)?(1?pe)?(x)?pe2??exp(?x222?)
(4.1) 根据（3.4），N点中值输出Y的概率密度函数为： fY(y)?[(N!N?12)!]2N?1 fX(y) [FX(y)(1?FX(y))]2
其中 FX(y)???y??fX(x)dx
(4.3) 输出方差： ?med?2???yfY(y)dy
24.3.4均值滤波输出方差 由于窗口内样本独立,则噪声的N维概率密度函数为[9]： NfN(x1,x2,???xN)??[(1?P)?(x)?eii?1Pe2??exp(?xi2?22)] （4.5） 令 ：
x1?x2?????xN?y??1N???y2?x2?????yN?xN
（4.6） 即：
29 滤波技术在医学图像去噪中的应用 ?x1?Ny1?y2?????yN??x?y2 ?2 ???x?yN?N
（4.7） 则随机变量Y1，Y2，YN的联合分布密度变函数为： fN(y1,y2???yN)?JfN(x1,x2???xN)
（4.8） 其中|J|为雅可比行列式： J??(x1,x2???xN)?(y1,y2???yN)?N
NfN(y1,y2???yN)?N?[(1?Pe)?(xi)?i?1Pe2??exp(?Pe2??xi2??22)])2 (Ny
?N[(1?Pe)?(Ny1?y2?????yN)?Neyi221?y2?????yN22?]
)]??i?2[(1?Pe)?(yi)?Pe2??exp(?2?Y1的概率密度函数： fY1(y1)?????dy2???????dyNfN(y1,y2???yN)
并由此可推导出： NfY1(y)?(1?Pe)?(y)?N?CNPe(1?pe)K?1kkN?kN2?k??Ny12k?22e2 输出方差： ?2mean?????yfY1(y)dy?2PeN
任取=1，N=5，当输入噪声为前述的噪声模型时，根据式（4.5）、（4.6）、（4.7），利用数值积分，可以知，均值滤波输出方差随着Pe的增大而线性增长，如图4.1。
联系客服：cand57il.com莱阳农学院学报" 自然科学版# $ ! ! $!’ $" ’ Q&" !& " # ’ ! #%’ ( ) * & , - $.’#& "’, " &#& 3*%1# " $ & " &+ % ,*#/$’0’ 1 2 /$’ .1. 1 !" % % & " #!#" ’ " $#" $ ! 文章编号! " !#$ ! "" ’ "
利用中值滤波去除图像噪声的研究 及 ()* ) 实现 + ,
江景涛! 姜学东! 李福荣
" 莱阳农学院机电工程学院$ 山东 青岛 & ’ " # ’!-
摘要!根据扫描工程图像的特点$ 研究了图像中噪声产生的机理和消除方法% 提出了利用中值滤波法消除图像噪声 的实用方法&使用软件工具 () + , 快速地实现了图像的 中 值 滤 波&结 果 表 明$ 用 中 值 滤 波 法 消 除 图 像 中 的 利 * ) 随机噪声是图像噪声处理的最佳方法& 关键词!图像处理% 噪声% 中值滤波% . . (/ 1 0 中图分类号! 2 ! 4 * $ %3 文献标识码!)
! #$& () # ).01 2#3 . ." 6 ’& 78#9 %: " %’ *+ , -/ , 0 ) #5% #. , 2& . # 4 8 2 ’ 6 % ;+ 2 <% / / 2 2 #8 2 ) 8 . .
5 )785: @A : "6B <= ; 6 9;/= 5 6 ? ! :/9 . @ " : G @G :J E C A F: 9 . @:9 : @G A= C L M: /N C / A@ " J .FC9;/ G K= @/ = :9@C: A. 9;. A9 . @ ) K./ . @G A= @ =9;9 . @:9@ F=A: =/ @ C KCO E@ ;:@9; C N: : L ; 3 CF F0L / = EC L M: L ; = 9 J N/ L A? .? E/CN JK / = N C 3 G @9 LM0@ 9 @ E L ; . @0 @ 9G ()* ) 9G @9 LM0@ 9 @ . ? EC .A * @L A? .? E/C= 9 . @N JC. PAN/ 0 0 9 + , JEN C O/ L3 J/ @CJ0 G N/ . @9 L M0@E/C J. K9 ? L / = :C L M: 9 . @ =/ .@JJ@ ) G @?/ = G/L A? .? 9 @ 9 := /L L @G A9 @ =9; L ; JJ 0 :9@ = 3 J ? (5 :4 9 . @K=@J: %= @ L A? .? E/C ( / 1 # )’ ! L ; CFJ9; :9 % @9 LM0@ 9 @ % .0 J 0 . 它 !! 图纸以简洁的 形 式 表 达 复 杂 的 信 息$ 具 有 自 然’ 直观’ 含义清晰等特点$ 被大量采用$ 特别是随着 计算机辅助设计系 统 的 出 现$ 设 计 和 维 护 工 程 图 给 纸提供了 有 效 的 手 段& 为 便 于 对 工 程 图 纸 进 行 管 理$ 需要将图纸扫描输入计算机$ 然后进行图形识别 和矢量化等处理$ 最后转换成所需要图形格式文件& 但是图纸经扫描仪 扫 描 输 入 转 换 为 数 字 图 像 后$ 图 像中往往包含有各 种 各 样 的 噪 声$ 谓 噪 声 就 是 对 所 有用信号进行干扰的不需要信号&例如当图纸保管 不善时$ 图纸上的图形有可能有各种干扰点或线$ 使 原始图像模糊不清$ 纸 上 的 这 些 干 扰 点 或 线 称 为 图 图像噪声&图像噪 声 一 般 是 随 机 产 生 的$ 此 具 有 因 分布和大小不规则性的特点&这些噪声的存在直接 影响着后续的处 理 过 程$ 图 像 失 真$ 此$ 了 使 使 因 为 图像更加真实地展 现 在 人 们 面 前$ 像 去 噪 就 显 得 图 尤为重要&目前$ 用 的 图 像 噪 声 滤 波 方 法 有 低 通 常 滤波 法’ 通 滤 波 法’ 滑 滤 波’ 化 滤 波’ 值 滤 带 平 锐 均 波’ 中值滤波等 方 法& 作 者 对 含 有 噪 声 的 图 像 采 用 上述各种方法进行 处 理$ 现 中 值 滤 波 法 是 消 除 随 发 机图像噪声的最佳 方 法$ 是 理 论 分 析 所 得 的 最 佳 但 效果和实 际 显 示 图 像 的 最 佳 状 态 存 在 着 一 定 的 偏 差$ 最终图像显示 效 果 和 人 眼 视 觉 特 性 有 着 密 切 的 关系$ 在分析和处理图像噪声时$ 必须结合人眼的视
! 觉特性 ( )&
!! 中值滤波的基本原理 中值滤波是基于排序统计理论的一种能有效抑
&" "#! R " 收稿日期! " Q#! 万 　 方数据 ! ’ $ 山东威海人$ 作者简介!江景涛"- $# # 女$ 副教授$ 工学硕士$ 研究方向为计算机图形学及 D S& )
自然科学版) $ !!!!!!!!!!!!!!!!!!!! 莱阳农学院学报( !!!!!!!!!!!!!!!!!& 卷 ! ’ 4
制噪声的非线性信号处理技术!这种滤波器的优点 是运算简单而且速 度 快" 滤 除 叠 加 白 噪 声 和 长 尾 在 叠加噪声方面显示了极好的性能!中值滤波器在滤 使 除噪声的同时能很 好 地 保 护 图 像 边 缘" 图 像 较 好 地复原!另外" 中值滤波器很容易自适应化" 从而可 以进一步提高其 滤 波 性 能! 因 此" 就 非 常 适 应 于 它 一些线性 滤 波 器 无 法 胜 任 的 数 字 图 像 处 理 应 用 场 合
外 图像传输过程中" 部 干 扰 和 系 统 内 部 干 扰 会 给 图 像带来很多的随机 噪 声 干 扰" 用 中 值 滤 波 就 能 很 利 好地消除这些干扰" 中 值 滤 波 对 图 像 信 号 的 衰 减 而 利 又不影响人眼对 图 像 的 感 觉! 因 此" 用 中 值 滤 波 法来消除图像的随机干扰噪声是图像随机噪声消除 的最佳方法! $! 数字图像中值滤波的 6 % ; 实现 22 8 是 ( / =\ 公司推出的 一个 实现 工 (/ 1 .0 . .G[ C J 程和科学运算, 模 和 仿 真" 型 开 发" 据 分 析 及 建 原 数 可视化" 科学和工程绘图" 应用程序设计等方面的多 功能软件系统! 它 已 广 泛 应 用 于 生 物 医 学 工 程, " 图 像信息处理, 信号 分 析, 间 序 列 分 析, 制 论 和 系 时 控 统论等各个领域 3 作为一种编程语言和可视化工具" 语法简 单, 数 丰 富, 面 友 函 界 ( / 1 具有使用方便, .0 . 好和开放性强等特点!它强大的工具箱中有许多关 调 于数字图像处理的 函 数" 用 这 些 函 数 给 我 们 提 供 很大的方便!它是开放式的" 可以应用" 也可以根据 自己的需要进行扩展!为 此" .01 语 言 已 经 成 为 (/ . 目前使用最为广泛的工程应用软件之一! 作者利用 ( / 1 编 制 了 一 个 方 便 并 且 容 易 操 .0 . 单击打开图形. 按钮" 作的可视化界面如图 ! 所示% 可以选择任意图 形" 左 边 方 框 内" 示 原 始 图 形" 在 显 然后" 在对话框内加上噪声以及选择噪声类型" 单击 含噪图像. 按钮" 则左边方框内显示含噪图像’ 最后 则 输入中值滤波参数" 在 右 边 框 内 显 示 滤 波 后 的 图 像’ 若需要保存" 则单击保存. 按钮!
! 中值滤波的基本原理是%首先确定一个以某像
素为中心点的邻域" 后 将 该 邻 域 中 的 各 个 像 素 的 然 灰度值进行排序" 其 中 间 值 作 为 中 心 点 像 素 灰 度 取 的新值!这里的邻 域 称 为 窗 口" 窗 口 在 图 像 中 上 当 下左右进行移动后" 用 中 值 滤 波 算 法 就 可 以 很 好 利 地对图像进行平滑处理!在一维下的中值滤波算法 定义为% : 为奇数时" 个数 " " & " 当 : ! " &&" : 的中 " 当 值就是按数值大小顺 序 处 于 中 间 位 置 的 数’ : 为 偶数时" 定义两 个 中 间 数 的 平 均 值 为 中 值! 用 符 号 L A " "& " @ (! " &&" :) " 来表示中值!例如% ( A !" " " " ) ! @ ( $ 4 " ’ T$ 在二维下的中值滤波算法定义 为%设*9 + 示 U 表 V
& & 这 9V 取 数字图像各点的灰度值" 里 (") 遍 W 或 W 的 某子集!滤波器窗 口 为 )" 尺 寸 为 7T ( XY!) 其 &
)O 则% Z (XY! "9 是窗口 ) 在 U 的中值" & 9 V V ( J #) @*9 V C O TL A UYC" YJ " ") + 9 V 中值 滤 波 器 是 一 种 邻 域 运 算" 把 邻 域 中 的 像 是 素按灰度级进行排 序" 后 选 择 该 组 中 的 中 间 值 作 然 为输出像素值!具体步骤是%# 将模 板 在 图像 中 漫 并将模 板 中 心 与 图 像 中 某 个 像 素 的 位 置 重 合’ 游" $ 读取模板下个对应像素的灰 度值’% 将这 些 灰 度 值从小到大排成一列’& 找出这 些值 里 排在 中 间 的 一个’’ 将 这 个 中 间 值 赋 给 对 应 模 板 中 心 位 置 的 像素! &! 视觉与中值滤波的关系 图像最终需要由人来观察, 辨别, 理解!图像与 视角之间有着重要的关系!图像质量的好坏和人眼 的感光特性是密切相关的!由于人眼对图像的感觉 是以亮度感觉为主 的" 亮 度 感 觉 主 要 是 由 人 眼 的 而 杆状细胞来完成的" 状 细 胞 对 显 示 图 像 的 感 光 是 杆 人眼多个细胞的 平 均 光! 因 此" 眼 感 受 的 是 若 干 人 个杆状细胞" 对平均光的刺激" 而中值滤波所取的图 像信号的中值正好适合于人眼杆状细胞的感光!对 图像进行中值滤波 后" 以 很 好 地 消 除 分 布 在 图 像 可 万 　 方数据 且 不 影 响 图 像 给 人 的 感 觉! 在 上的各类随机噪 声"
图 !! 可视化界面
下面 将 文 件 名 为 - ?9/ " 的 图 像 用 ( / 1 0 /3E . = 9 .0 . 进行中值滤波处理 6 9 C. ( = /3E ) ] 读 取 原 图 像 0?9 T L @A / ?9/ 0 ’ 0 9 = /3 / 9 E E ?@ 9 C’ ; 9 J = () ] 显示原图像0?9/ " LG N6 ’ = /3E 如图 & 9
等*利用中值滤波去除图像噪声的研究及 () + , 实现 !!!!!!!!!!! * ) !! 期 !!!!!!!!!!! 江景涛" ’ Q
XT L = @6 # 0 9 :9 !"J /^ K K @ #"3Q$ ] 加入 J . @ KC " " % 椒盐噪声 E ?@ 9 C% ; 如图 $ 9 J = ! $ ] 显示加噪图像" LG N X % " O @< WT W ＿ @E/ ! " C@ " $ $’ J LL / 0 L A 0 X =AC & 9& $ ] 中 值 滤 波( 其 中"O @C 是 对 称 补 值% % " C 9 F J LL / F 9
可进行变化" AC是排序参数( & ’ $$ 是滤波窗口" = @ C E ?@ 9 C% ; 如图 4 9 J = ! $ ] 显示滤波后的图像" LG N W % 由上面的例子可以看出"" 应用 ( / 1 对图像 .0 . 进行中值滤波" 句 简 单" 波 效 果 很 好" 本 上 去 语 滤 基 除了噪声的影响(
!!! 图 &! 原图像 !!!!!! 图 $! 椒盐噪声图像 !!!!! 图 4!$Z$ 滤波图像 !
!!4! 结 !! 论 在图像的处 理 过 程 中" 除 图 像 的 随 机 噪 声 干 消 采 扰是一个非常 重 要 的 问 题" 用 中 值 滤 波 消 除 图 像 的随机噪声效果很好" 同时" 滤波 后 的 图像 又 能 符合 人眼的视觉感觉(另外" 应用 ( / 1 语 言 对 数字 图 .0 . 像进行中值滤 波 等 一 系 列 处 理 时 具 有 编 程 简 单) 操 作方便) 处理速度快等特点" 使图 像 处 理工 作 者 可以 从烦琐的编程工作中解脱出来(
& ’赵荣椿 3数字图像处理导 论& ’ 西 安*西 北 工 业 大 学 出 版 社" ! ( 3 &" " "3 & ’张兆礼" 3现代图像处 理 技 术 及 ( / 1 实 现& ’ 北 京* 民 等 人 & .. 0 ( 3 邮电出版社"" !3 &" & ’飞思科技 产 品 研 发 中 心 编 3()* ) ’3 辅 助 图 像 处 理 & ’ $ + , Q ( 3 北京* 电子工业出版社"" $3 &" & ’陈 桂 明" 3 应 用 ()* ) 语 言 处 理 数 字 信 号 与 数 字 图 像 等 4 + , & ’ 北京*科学出版社"" !3 ( 3 &"
! 上接 ’ 页" & ’! 结束语 经 过 一 段 时 间 的 实 践 证 明" 系 统 能 成 功 地 完 本 成对电梯自动控 制" 准 确) 时 地 到 达 指 定 楼 层" 能 及 能完成对电梯的速度 控 制( 将 2 D 和 (D _ 组 态 + 8 软件结合可以非常好地模拟电梯控制系统的测试运 行(有利于 2 D 控制系统的检测" 具有 良好 的 应 用 + 价值(采用 2 D 控制电梯有明显的优 越 性" 一个 是 + 改善电梯性能的有效方法( 参考文献!
& ’钟肇新" 范建东 3可编程控制器原理 及 应 用& ’ 广 州*华 南 理 ! ( 3 工大学出版社"" 43 &" & ’谢克明" 夏路易 3可编程控制器原理 与 程 序 设 计& ’ 北 京*电 & ( 3 子工业出版社"" 43 &" & ’齐从 谦" 士 兰 3 + 技 术 及 应 用 3 北 京*机 械 工 业 出 版 社" 王 $ 2D &" * " " !!R3 & ’北京昆仑通态自动化软件科技 有 限 公 司 3(D _ 全 中 文 工 控 组 4 8 态软件 3
万 　 方数据
利用中值滤波去除图像噪声的研究及MATLAB实现
作者： 作者单位： 刊名： 英文刊名： 年，卷(期)： 被引用次数： 江景涛， 姜学东， 李福荣， JIANG Jing-tao， JIANG Xue-dong， LI Fu-rong 莱阳农学院机电工程学院,山东,青岛,266109 莱阳农学院学报（自然科学版） JOURNAL OF LAIYANG AGRICULTURAL COLLEGE（NATURAL SCIENCE） ) 2次
参考文献(4条) 1.赵荣椿 数字图像处理导论 2000 2.张兆礼 现代图像处理技术及Matlab实现 2001 3.飞思科技产品研发中心 MATLAB6.5辅助图像处理 2003 4.陈桂明 应用MATLAB语言处理数字信号与数字图像 2001
相似文献(10条) 1.学位论文 朱磊 基于自适应邻域概念的视频图像处理技术研究 2007
近年来，随着视频应用和视频业务的激增，以及消费类电子设备的迅猛发展，视频图像处理技术已成为多媒体领域一个新的研究热点。 虽然传统的图像处理技术已经相当成熟，但是视频图像处理领域所要解决的问题，面临的困难，以及应用的背景和场合都与传统的图像处理有着较 大的差异。因此，研究适合于视频图像的高效、稳健的处理技术有着重大的意义和实用价值。 自适应邻域概念的提出，提供了一种简捷合理的基于对象分割的图像处理技术，它在图像处理领域已经得到了广泛的研究和应用，这是由于它在图 像处理的各种应用场合都具有明显的优势，但是，面对各种不同的应用和环境，它还存在着诸多需要研究和解决的问题。 本论文重点研究如何将自适应邻域的概念引入视频图像处理领域，挖掘其优势，克服其不足，以解决数字视频图像处理中的各种问题。论文的主要 研究内容和贡献如下： 1．概要回顾了数字视频图像处理发展的历史，总结了视频图像处理领域需要解决的主要问题。重点介绍了自适应邻域概念的诞生和发展，以及目前 国内外研究的现状，通过对已有的成果的分析，深入研究了自适应邻域概念在图像和视频图像处理中所具有的优势和存在的问题。 2．提出了一种利用视频序列空时相关性的差分视频噪声估计算法，该算法充分利用了视频序列特有的时域相关的特性，从而提高了估计的稳健性。 仿真和实际系统中应用的结果都表明算法无论是在高强度噪声水平和高图像质量的情况下，都能给出稳健的估计结果。 3．研究一种高效的视频图像预处理算法。通过对实际问题的分析，定义了预处理算法的设计目的和需要解决的问题。提出了一种基于自适应邻域统 计的视频图像预处理算法，该算法解决了自适应邻域滤波中邻域构建的效率问题和传统预处理算法的门限敏感问题。从而能够在抑制空时噪声的同时有 效地保持图像的细节和边缘信息，并且可以巧妙地避免引入ghost效应，仿真和实际系统中应用的结果都很好的证明这一点。 4．研究高强度椒盐噪声的抑制算法，提出了逐次修复和邻域修复的概念，结合了中值滤波和PDE两类算法的优势，能够在抑制高强度椒盐噪声的同 时，较好的修复图像的细节和边界信息。此外提出的一些快速算法的设计思想和优化策略，使得算法的性能得到显著的提升。 5．提出了一种基于自适应邻域分解的曝光校正算法，它弥补了现有算法的不足，提出了分层矫正的思想，避免了对噪声的非线性放大。使它可以适 用于低光，高光以及两者同时存在的复杂的应用场合。算法的性能超越了目前一些经典的曝光校正技术，且达到了实时性的要求，并已用于实际的商用 数字娱乐设备中。 6．研究视频压缩系统中的块效应噪声的估计和抑制策略，提出了在编码器端进行噪声估计，指导解码器端的噪声抑制的新框架，有效地提高了噪声 估计的准确性和噪声抑制的有效性。实际仿真的结果表明该算法不仅能够在编码器端对编码误差噪声给出稳健的估计，而且能够在解码器端有效地抑制 块效应噪声的同时，较好地保持图像的边界和细节信息。
2.期刊论文 周猛.李钢.ZHOU Meng.LI Gang 图像处理中一种高效消除噪声的算法研究 -安徽大学学报（自然科学 版）)
提出了一种八方向的消除图像中噪声的方法,并与传统噪声平滑方法进行了比较,试验结果证明该算法能有效消除噪声,并且在消除噪声的同时不会对 图像和边缘造成模糊.本算法对大噪声特别有效,其先进性还体现在可以设置估计噪声的半径,具有很好的适应性.
3.学位论文 李颖 基于FPGA的高速图像采集系统的研究与设计 2007
图像采集是数字化图像处理的第一步，开发图像采集平台是视觉系统开发的基础。视觉检测的速度是视觉检测要解决的关键技术之一，也是专用图 像处理系统设计所要完成的首要目标。传统的图像采集卡只能将采集的图像数据实时传输给计算机，而不能传输给专用图像处理系统，因此需要 研制专用的图像采集系统，既能够实时高速获取视觉图像，又能实时将图像数据传输给计算机和专用图像处理系统。 FPGA(Field Programmable Gate Array)运算速度快，实时性强，易于并行运算和实现流水线结构，编程相对复杂，它实现图像底层处理速度快，易 于通过VHDL(VeryHigh Speed Integrate Circuit Hardware Description Language)语言编写程序实现。以FPGA为底层运算和控制核心，能够通过软件 编程无限次更改内部硬件逻辑，改变功能，编程后的FPGA相当于专用集成芯片，采用硬件电路实现软件功能，具有很高的运行速度。典型的视觉应用系 统可由下列五个部分组成：图像获取、预处理、特征的提取、分类和识别、响应等5个部分组成，其中预处理、特征提取、分类-识别三个阶段分别对应 了视觉任务的底层、中层和高层。视觉检测中图像处理的特点是底层图像处理数据量大，算法简单，占有2/3的计算量，高层图像处理算法复杂，但数据 量小。因此，底层图像采集及控制过程由FPGA实现；高层图像处理算法由DSP(Digital SignalProcessor，数字信号处理)实现，高速完成视觉传感器的 数据处理任务。 本文以Altera公司的Cyclone系列EPlC6为核心构建了图像采集系统，该芯片建立在流水线设计和查找表结构基础上，可以进行并行运算处理，不仅 克服其它嵌入式芯片执行速度慢的缺陷，而且完全适于各种图像处理算法的实现。图像预处理中关键是图像噪声的滤除和特征提取，噪声的滤除在图像 处理过程中十分重要，它影响图像处理中图像的输入、采集、处理的各个环节以及输出结果的全过程。因此，去噪声是图像处理中极为重要的步骤。一 个良好的图像处理系统，不论是模拟处理还是数字处理，都是把降低第一级的噪声作为重要工作。 本篇论文阐述了图像噪声的来源以及噪声滤除的基本理论，给出了改进的非线性滤波算法，并进行各种算法的MATLAB仿真比较；概述了图像采集系 统的工作原理和各部分组成及其功能。采用EDA技术，设计以FPGA芯片为核心控制的图像采集系统，实现了改进的非线性滤波算法，仿真结果说明算法的 有效性和系统的高速性能达到了预期目的。本文在视觉检测的主要指标，即目标识别和处理速度方面进行了有意义的探索和较为深入的研究，在实践应 用方面有着较强的实用价值。
4.期刊论文 郭水霞.GUO Shui-xia 图像处理中非加性噪声情形下维纳滤波的推广 -计算机工程与应用)
在图像处理中,噪声问题是经常会遇到的问题.一般情形下都假定噪声是加性的,此时,维纳滤波器是一种最简便的降噪方法,而且它在均方误差意义下 是最优的.将噪声推广到非加性的情形,利用维纳滤波的基本思想,同样可以得到均方误差意义下的最优滤波.
5.学位论文 施达雅 基于噪声统计模型的区域分割 2009
目前，图像技术的应用已经渗透到了生活的许多方面。图像分割是整个图像工程的的关键环节之一，这是因为它为后续的形状描述、识别、理解提 供了基础。图像分割的主要目的是将图像划分为特征相关的区域。 本文首先对主要的图像分割方法进行研究，讨论和分析了典型图像分割方法的原理和特点；分析图像噪声的特点并根据噪声形成原因，建立了噪声 统计模型且定量地表示出来，将该模型作为区域分割的准则。然后针对区域分割方法在含有噪声的图像处理效果显著的特点，结合图像噪声的统计特性 ，提出一种基于噪声统计模型的区域分割方法；同时根据像素邻域结构，采用最大最小值的初始分割方法来优化分割结果，从而改进了影响区域分割的 两个关键因素：初始分割和一致性准则。最后给出了本文的算法在图像中的应用和其传统分割方法的比较。本文通过理论和实验证明，这种方法不单能 有效地分割区域，而且像素区域误判发生的概率较小。基于噪声统计模型的区域分割是图像处理的一种有效的改进分割方法，将来在病理图像分割、工 业图像分割、安全图像处理中的保密信息提取及卫星图像分割等多个领域可能表现出一定的应用价值。
6.学位论文 钱伟新 基于PDE的闪光照相图像消噪声方法研究 2005
边缘是闪光图像的重要信息。所以，对闪光照相图像进行消噪声必须遵循以下两个原则：(1)图像边缘处平滑度小，图像非边缘处平滑度大；(2)沿 着图像边缘方向的平滑度最大，沿着垂直图像边缘方向的平滑度最小。 基于PDE(PartialDifferentialEquations，偏微分方程，简称PDE)的图像消噪声方法是一种自适应的非线性扩散滤波方法。它最大的优点就是采用 方向性分布的系数函数代替高斯卷积的各向同性扩散，使得在消除噪声的同时，能较好地保护图像的边缘信息，符合闪光照相图像处理的要求。 本文从基础的线性扩散方程出发，研究了PDE在图像处理应用中的来源，通过求解典型的热传导方程，可以得到等同于高斯低通滤波器的滤波效果。 在此基础上，研究了非线性扩散滤波方法的自适应滤波机制，即通过选择适当的扩散系数函数，控制其在图像中进行不同程度的扩散：在边缘处进行较 小的扩散或不扩散，以此来保护边缘；在平坦区域进行较大程度的扩散，以此来消除噪声。文章详细地讨论了各类非线性扩散方程的不同作用，并给出 了非线性扩散方程的一般表达式。该一般形式充分考虑了在扩散滤波中需要考虑的因素，并在此统一框架下完整地讨论了备参数的选取方法，得到了完 全自适应的非线性扩散滤波方法。更进一步，本文基于图像的特征(如边缘)方向，提出了基于图像特征方向的非线性扩散滤波方法。该方法建立在基于 图像特征方向的内在正交坐标下，充分考虑了扩散的方向性，使其沿图像特征方向有较大扩散，而在垂直图像特征方向扩散很小或不扩散以保持图像特 征。该方法十分清晰地表明了非线性扩散的滤波机制，简化了理论分析。 针对闪光CCD(ChargeCoupledDevice，电荷耦合器件，简称CCD)图像有大幅度的斑点噪声的特殊情况，本文提出了中值-各向异性扩散滤波方法。该 方法克服传统非线性扩散滤波方法无法消除脉冲噪声的不足，在具体的应用中取得了较好的结果。此外，我们还讨论了基于变分问题的扩散滤波方法。 变分方法在理论上统一了各类扩散滤波方法，选择不同的变分积分函数(能量范函)可以得到不同的偏微分方程，从而构造出不同的非线性扩散滤波方法 。提出了基于变分问题的混合型扩散滤波方案，以此来克服全变分方法的块状效应。实验结果表明，基于变分问题的混合滤波方案对于闪光图像具有更 好的消噪效果。
7.期刊论文 吕航.徐迅.Lu Hang.Xu Xun 基于积分投影的去除噪声算法用于人脸图像处理 -南昌航空工业学院学报 （自然科学版）)
本文提出了一种解决滤除人脸图像中高频及低频噪声的新算法.首先可对原始人脸图像进行边界提取,并使之成为二值图;然后,分别采用水平及垂直 积分投影的方法,在低频与高频噪声中确定人脸轮廓;在此基础上,消除轮廓以外的噪声.
8.学位论文 李伟 车辆检测中噪声去除方法研究 2007
科学技术的飞速发展使信息社会产生日新月异的变化，多媒体技术成为21世纪计算机技术发展的一个重大热点。人们通过语言、音乐、文字、图形 、图像、电视等多种媒体进行信息的处理、传输和存储。而往往噪声与图像并存，噪声的存在将对信息的处理、传输和存储造成极大的影响。因此，如 何更好地去除噪声，是图像处理领域的一个经典问题。 图像中的噪声会妨碍人们对图像的理解，而图像去噪的目的就是去除图像中的噪声，提高人们对图像的认识程度，以便对图像作进一步的处理。图 像的去噪方法基本上可分为变换域法和空间域法两大类。前者是对图像进行某种变换，将图像从空间域转换到变换域，然后对变换域中的变换系数进行 处理，再进行反变换将图像从变换域转换到空间域来达到去除图像噪声的目的；后者是直接在图像所在的二维空间进行处理，即直接对每一象素的灰度 值进行处理。 噪声去除的应用非常广泛，几乎出现在有关图像处理的所有领域。例如：在车辆检测系统中，对用固定摄像机拍摄的视频图像进行车辆检测处理 ，提取出运动物体，实现车体与背景的分割，此时的图像在背景与车体中均包含大量的噪声。为了获取质量更高的图像，就要求对此时的图像进行噪声 去除处理。本论文的主要工作就是针对车辆检测后提取出来的车体图像中存在的噪声问题，提出一种新的二值图像去噪方法，检测并去除图像中存在的 噪声，有效、完整地实现运动目标的分割。实现证明，该方法能达到比较理想的效果，为后续的阴影检测、车型识别和车辆追踪等工作做准备，具有很 好的鲁棒性和实时性。
9.会议论文 何国辉 一种图像处理中的噪声滤波方法 2002
本文在分析图像常规噪声滤波方法的基础上,探讨了基于图像的统计信息—均值和方差的数字图像噪声滤波方法,设计了相应的滤波器,并对加性噪声 进行了仿真.结果表明,本文的方法实现简单、运算速度较快,为实时图像处理提供了一种新途径.
10.期刊论文 刘鹏.刘定生.李国庆.李景山 基于噪声方差确定非线性扩散除噪声的最优停止时间 -电子与信息学报 )
该文采用非线性扩散进行图像除噪声并在这个计算框架下提出利用噪声方差选择最优停止时间的方法.在利用非线性扩散进行图像除噪声时,每次迭 代平滑掉的图像的方差大于平滑掉的噪声的方差时,迭代应该停止.为了在除噪声过程中正确地估计噪声的方差,该文构造一幅纯噪声图像跟实际的观测图 像同步进行迭代计算,并把纯噪声图像的方差作为图像中噪声方差的估计值来辅助计算最优停止时间.针对非线性扩散的各项异性,提出了能够保持两种噪 声同步变化的特殊的规整化项.新的规整化项在迭代纯粹噪声图像时使用,这样确保每次迭代都可以保持合成噪声与实际图像噪声的统计特性相一致.实验 证明新的算法可以非常有效地选择合适的停止时间.
引证文献(2条) 1.居剑文.董华军 中值滤波法在真空开关电弧图像处理中的应用[期刊论文]-学问 .杨庆.汤亚锋 基于形态学图像处理的逼近段相对位置测量[期刊论文]-装备指挥技术学院学报 2008(4)
本文链接：http://d.g.wanfangdata.com.cn/Periodical_lynxyxb.aspx 授权使用：燕山大学(ysdx)，授权号：bcfa32fd--aaba-9d9e01447ab4，下载时间：日
利用中值滤波去除图像噪声的研究及MATLAB实现...
matlab实现中值滤波去除脉冲噪声matlab小程序...
基于医学图像的中值滤波去噪研究及MATLAB的实现_刘建强...
MATLAB图像邻域运算,去除噪声,模板运算中值滤波,均值滤波...
基于Matlab的图像去除噪声的研究...
基于MATLAB的带噪图像的中值滤波...
改进的中值滤波图像去噪方法研究...
MATLAB数字图像均值和中值滤波...
关于去除图像噪音的中值滤波算法...
基于MATLAB的图像滤波中值算法研究...
■ 网友在搜