《成像噪聲論》word版-文庫吧
2024-12-23 15:45 本頁面
【正文】 息的主體是圖像 ， 衡量這個系統(tǒng)的重要指標 ， 就是圖像的質量。例如在圖像編碼中 ， 就是在保持被編碼圖像質量一定的前提下 ， 以盡量少的碼字來代表圖像 ， 以便節(jié)省信道和存儲容量。而圖像去噪就是為了改變圖像的主觀視覺顯示圖像質量。 圖像質量的客觀評價標準主要是一些定量的方法，主要有歸一化均方誤差 (NMSE)、均方超閾值 量化誤差 (MSTE)和信噪比 (SNR)等。其中信噪比是最常用的評價客觀標準。 成像 系統(tǒng)空間域去噪 人們根據實際圖像的特點、噪聲的統(tǒng)計特征和頻譜分析的規(guī)律，發(fā)展了各式各樣的去噪方法。其中最直觀的方法是根據噪聲能量一般集中于高頻，而圖像頻譜分布于一個有限區(qū)間的這一特點，采用低通去噪方法，例如 wiener 線性濾波器。此外，對圖像進行平滑處理也是常用的方法。平滑的目的有兩個：改善圖像質量和抽出對象特征。平滑可以在空間域進行，也可以在頻率域進行。由于噪聲源眾多，噪聲種類復雜，所以相應的平滑方法也多種多樣。其中 空間域平滑是數字圖像處理領域比較活躍的一個分支，己經歷了幾十年的研究探索，并形成了較為系統(tǒng)的算法。下面主要介紹經典的中值濾波去噪算法 中值 濾波 中值濾波 (Med1anFi1ter)是一種基于排序統(tǒng)計理論的可有效抑制噪聲的非線性平滑濾波算法，由于它在實際運算過程中并不需要圖像的統(tǒng)計特性 ， 所以比較方便 [4]。 首先確定一個以某個像素為中心點的鄰域，一般為方形鄰域。然后將鄰域中各像素的灰度值進行排序，取中間值作為中心像素灰度的新值。這里的鄰域通常被稱為窗口當窗口在圖像中上下左右進行移動后。利用中值濾波 算法可以很好地對圖像進行平滑處理。中值濾波的輸出像素是由鄰域圖像的中間值決定的。因而中值濾波對極限像素值 (與周圍像素灰度值差別較大的像素 )遠不如平均值那么敏感，從而可以消除孤立的噪聲點?？梢允箞D像產生較少的模糊。中值濾波的運算方法可以在有限程度上作些分析。例如 ，常數 K 與 序列 ()fi相乘 的中值有如下關系存在： { ( ) } { ( ) }M e d K f i K M e d f i? ? ? 而 常數 K 與 序列 ()fi相加 的中值有如下關系存在 ： { ( ) } { ( ) }M e d K f i K M e d f i? ? ? 中值濾波的概念很容易推廣到二維，此時可以利用某些形式的二維窗口。設 2{ ( , ) }ijx i j I? 表示數字圖像各點的灰度值，濾波窗口為 A 的二維中值濾波可定義為： 2( ) , ( ){ ( , ) ( , ) }ij i r j sAy M e d x r s A i j I??? ? ? 二維中值濾波的窗口可以取方形 ， 也可以取近似圓形或十字形。但是中值 濾波不能 很好的保護圖像的細節(jié)，在除噪的同時也破壞了圖像細節(jié)部分，當噪聲比較嚴重時，效果明顯變差。為了克服這些問題，近年來出現(xiàn)了多種改進的算法，如加權中值濾波算法，開關中值濾波， min max算法。加權中值濾波的基本原理是改變窗口中變量的個數，可以使一個以上的變量等于同一點的值，然后對擴張后的數字集求中值。以窗口為 33? 的一維加權中值濾波為例，表示如 1 1 1 1 1 1_ { , , } { , , , , , , }i i i i i i i i i i iy W e igh te d M e d x x x M e d x x x x x x x? ? ?
公司管理相關推薦
鄂ICP備17016276號-1