【正文】 致 謝 .............................................................. 35 主要參考文獻(xiàn) ...................................................... 36 附 錄 .............................................................. 37 基于 MATLAB 的圖像三維降噪算法仿真研究 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 共 47 頁(yè) 第 1 頁(yè) 第一章 緒論 論文研究的背景及意義 在信息化時(shí)代，人類(lèi)接收外界的信息不再是單純地語(yǔ)音，還包括數(shù)據(jù)、文字、圖像和視頻等多種形式，其中絕大部分信息來(lái)自于圖像。而且，搭載三維降噪技術(shù)的攝像機(jī)能夠提供更清晰、準(zhǔn)確的圖像，使 DVR 即使在低照度條件下也能更高效的移動(dòng)偵測(cè)。近數(shù)十年以來(lái)，小波變換在圖像去噪領(lǐng)域已有完整的理論系統(tǒng)并日趨完善。 第二章首先從噪聲產(chǎn)生的原因、統(tǒng)計(jì)特征以及對(duì)圖像的作用關(guān)系，對(duì)噪聲進(jìn)行了不同的分類(lèi)； 接著介紹了經(jīng)典二維去噪方法，并對(duì)二維降噪算法和三維降噪算法進(jìn)行了比較，指出了三維降噪的優(yōu)勢(shì)所在；最后給出了目前被廣泛應(yīng)用的圖像質(zhì)量測(cè)評(píng)方法。此噪聲的均值和方差分別為： ba bPaPm ?? ba PmbPma 222 )()( ????? 椒鹽噪聲主要表現(xiàn)在成像中的短暫停留，如錯(cuò)誤的開(kāi)關(guān)操作。 乘性噪聲模型的分析計(jì)算一般比較復(fù)雜，當(dāng)信號(hào)變化較小時(shí)，上式第二項(xiàng)近似不變，則可以用加性噪聲模型來(lái)近似。 基于 MATLAB 的圖像三維降噪算法仿真研究 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 共 47 頁(yè) 第 8 頁(yè) 2） 統(tǒng)計(jì)排序?yàn)V波 排序?yàn)V波是一種典型的非線性平滑濾波器，它的目的是保護(hù)圖像邊緣的同時(shí)去除噪聲。 三維降噪算法則是結(jié)合了時(shí)域?yàn)V波和空域?yàn)V波。 均方誤差和峰值信噪比 我們知道，去噪的目的 是恢復(fù)原始圖像。 我們一般取窗口的大小為 88? ，結(jié)構(gòu)相似性指標(biāo)的值為 1 到 1 之間。 自然圖像都具有以上兩點(diǎn)性質(zhì)，圖像中的任意一個(gè)窗口鄰域，在圖像中都存在著許多與其相似或者相同的窗口結(jié)構(gòu)。為了定量地計(jì)算灰度值向量 )( iNz 與 )( jNz 之間的相似性，該算法使用高斯加權(quán)的歐式距離 2,2)()( aji NzNz ?來(lái)度量。這樣的話，我們不能很好的度量圖像塊的相似性，從而降低了圖像的去噪效果。目前為止，很多的改進(jìn)算法被相繼提出。 非局部均值濾波算法中，相似權(quán)重參數(shù)的選取時(shí)比較重要的，它對(duì)于圖像去噪效果有著很大的影響。我們將在第四章中具體介紹改進(jìn)后的自適應(yīng)非局部均值濾波算法。為了更加客觀地比較各個(gè)算法，在中值濾波算法中，我們選取 33? 的掩膜矩陣；在均值濾波算 法中，也采用 33? 的濾波掩膜尺寸；在非局部均值算法和自適應(yīng)的非局部均值濾波算法中，我們將參考?jí)K和匹配塊的大小均選取為 33? 的矩陣。 dis 小于閾值 1T 的像素，可以認(rèn)為是由于噪聲帶來(lái)的影響，其區(qū) 域是相對(duì)比較平坦的區(qū)域，因此可以直接求平均，這樣就會(huì)較好地去除噪聲，而對(duì) dis 大于閾值 2T 的像素，其權(quán)值就會(huì)為 0，這樣的截?cái)鄷?huì)減少圖像模糊現(xiàn)象，較好地保持圖像的邊緣，而對(duì)于大于 1T 小于 2T 的像素 ，可以按照其實(shí)際的 dis 來(lái)計(jì)算其權(quán)值。此外，相似像素如果不能得到較大的權(quán)重，圖像去噪的效果就會(huì)大大降低。它使用的不是普通意義上的規(guī)則鄰域，而是利用多種形狀的鄰域。 非局部均值算法的改進(jìn) 1） 去噪效果方面 非局部均值濾波算法自從被提出來(lái)之后，吸引了無(wú)數(shù)專(zhuān)家學(xué)者的目光，他們?yōu)榱烁倪M(jìn)這個(gè)算法孜孜不倦的進(jìn)行研究。 (2)多種非局部均值濾波算法的改進(jìn)方法衡量圖像相似性所采用的距離都是高斯加權(quán)歐式距離。我們可以用下面的式子來(lái)表示相似窗口 Ni的灰度向量： )),(()( ii NjjzNz ?? （ ） 錯(cuò)誤 !未找到引用源。所有的圖像塊對(duì)于圖像的表示是過(guò)完備的。 L 為圖像灰度值的大小，一般的， ?k ， ?k 。具體方法有信噪比（ SNR）、均方誤差（ MSE）、峰值信噪比（ PSNR）、結(jié)構(gòu)相似性（ SSIM）等。變換域法則是將二維空間數(shù)據(jù)經(jīng)過(guò)某種變換轉(zhuǎn)化到另 一二維坐標(biāo)中進(jìn)行處理計(jì)算，然后再逆變換到原二維空間。由于圖像中的大部分噪聲是隨機(jī)的，相對(duì)于周?chē)鼽c(diǎn)的灰度值，某一像素點(diǎn)的噪聲的灰度值會(huì)突跳變小或者變大，利用均值濾波可以有效抑制噪聲。人們將乘性噪聲看成系統(tǒng)的非線性或者時(shí)變性造成的，例如膠片顆粒噪、電視光柵、飛點(diǎn)掃描圖像中的噪聲等。高斯噪聲可以使用空域?yàn)V波處理或者圖像復(fù)原中的技術(shù)來(lái)消除。經(jīng)過(guò)研究非局部均值濾波算法的原理以及對(duì)其進(jìn)行改進(jìn)之后，提出對(duì)多幀圖像進(jìn)行 NLM 三維降噪技術(shù)，并利用數(shù)值實(shí)驗(yàn)驗(yàn)證方法的有效性。 Johnstone 和 Donoho 等人在 1995 年推導(dǎo)并證明了最優(yōu)的通用閾值計(jì)算公式，以此提出了軟閾值和硬閾值的信號(hào)去噪方法。在視頻圖像降噪中，時(shí)域?yàn)V波比空域?yàn)V波在保護(hù)邊緣和細(xì)節(jié)方面更具有優(yōu)勢(shì)。 關(guān)鍵詞 三 維視頻 降噪， ANL 算法，運(yùn) 動(dòng)檢測(cè) ， 時(shí) 空 聯(lián) 合 基于 MATLAB 的圖像三維降噪算法仿真研究 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ II ABSTRACT Video, because of its advantage of intuition, conwenience, reliability, rich information, and so widely in areas such as finance, merce, traffic, house and munity, and plays an important role in monitoring and protection of the , the existence of noise makes it an inevitable problem in realtime video monitoring, and an important factor to evaluate of quality of video vision. Therefore, noise reduction technology is a very important means of enhancing the visual quality of the video. In this paper， three efforts are involved： the difference between traditional twodimensional noise reduction and threedimensional noise reduction, clear threedimensional noise reduction advantages。為了滿足人類(lèi)在社會(huì)生產(chǎn)和生活中與圖像相關(guān)的各方面的要求，對(duì)圖像信息進(jìn)行加工處理的圖像處理技術(shù)孕育而生。 因此，對(duì)于三維降噪算法的深入研究，具有重要的理論意義和實(shí)用價(jià)值。 20xx 年 Buades 等人提出了一種全新的去噪算法 —— 非局部均值法，利用圖像自身局部與局部的相似性 ，以對(duì)噪聲具有魯棒性的圖像塊的形式，將整幅圖像中所有與待處理像素相似的像素加權(quán)平均從而估計(jì)出待處理像素。這些知識(shí)為本論文的研究工作奠定了基礎(chǔ)。去除椒鹽噪聲較好的方法就是中值濾波。由于噪聲和圖像相互獨(dú)立，在實(shí)際應(yīng)用中，對(duì)上式先進(jìn)行對(duì)數(shù)轉(zhuǎn)化為加性噪聲的模型再進(jìn) 行處理。所謂排序?yàn)V波就是把像素點(diǎn)周?chē)徲騼?nèi)的所有像素的灰度都按照從大到小的順序排列，然后選擇某一特定位置的灰度值作為像素點(diǎn)的灰度值。在時(shí)域上，在當(dāng)前幀的前一幀和后一幀中同時(shí)搜索匹配塊，首先對(duì)當(dāng)前圖像及其相鄰圖像分別進(jìn)行單幀空域降噪，然再根據(jù)歸一化之前的原始權(quán)重總和進(jìn)行加權(quán)平均，來(lái)進(jìn)一步去噪和增加去噪的時(shí)間穩(wěn)定度。在數(shù)學(xué)上表示，那就是盡量使得去噪后 基于 MATLAB 的圖像三維降噪算法仿真研究 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 共 47 頁(yè) 第 10 頁(yè) 圖像與原始圖像之間的差距盡量縮小，而衡量這種差距的大小，我們可以用去噪后圖像與原始圖像的像素點(diǎn)間的距離來(lái)度量，歐式距離就是其中之一。 基于 MATLAB 的圖像三維降噪算法仿真研究 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 共 47 頁(yè) 第 11 頁(yè) 本章小結(jié) 本章概述了圖像去噪的有關(guān)理論知識(shí) ，首先介紹了噪聲的主要類(lèi)型以及在圖像中的表現(xiàn)特征，接著闡述了比較典型的幾種去噪算法，最后給出了幾種 常見(jiàn)的圖像質(zhì)量的客觀評(píng)價(jià)標(biāo)準(zhǔn)。因此，自然圖像中也包含有足夠多的 重復(fù)結(jié)構(gòu)，比如：位于同一條曲線或直線邊界上的點(diǎn)具有相似的鄰域模式，同樣的，在圖像的平坦區(qū)域內(nèi)也存在著大量的相似像素點(diǎn)。我們要處理的圖像與原始圖像之間相應(yīng)區(qū)域內(nèi)的灰度值向量是滿足如下的歐式距離公式： 222,22 2,2 2)()()()( ????? ajiaji NyNyNzNzE （ ） 這里， y 表示原始圖像，而 z 表示要處理的圖像，噪聲的均方誤差為 2? 。 （ 3）圖像中所有的塊都對(duì)權(quán)值有一定的貢獻(xiàn)，即使相似程度差的那些像素也會(huì) 基于 MATLAB 的圖像三維降噪算法仿真研究 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 共 47 頁(yè) 第 15 頁(yè) 被賦予較大的權(quán)值。 Kervrann 等人主要是研究空間上的非局部均值濾波算法（ OSA— NLM），他們?yōu)榱私o出最優(yōu)化的去噪結(jié)果，進(jìn)行了一下三個(gè)方面的研究：一是研究了權(quán)重 參數(shù)，給出與噪聲相關(guān)的自適應(yīng)的參數(shù)選取辦法；二是自適應(yīng)搜索區(qū)域大小的選??；三是對(duì)所處理圖像塊的研究，對(duì)它們的研究主要是基于局部平方誤差。這個(gè)參數(shù)不能隨意設(shè)置，如果設(shè)置太大，就會(huì)出現(xiàn)過(guò)濾波的情況；如果設(shè)置太小，圖像噪聲就會(huì)有殘留，不能被很好的濾除。 2） 在計(jì)算效率方面 非局部均值濾波算法話費(fèi)大量時(shí)間運(yùn)行，是因?yàn)閳D像相似塊的比較速度慢。這樣，得出的比較結(jié)果就更加客 基于 MATLAB 的圖像三維降噪算法仿真研究 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊