【文章內(nèi)容簡(jiǎn)介】 在，理論上加性噪聲分析方法成熟，且處理比較方便，乘性噪聲是隨著信號(hào)的出現(xiàn)而出項(xiàng)的，如果沒(méi)有信號(hào)也沒(méi)有噪聲，而乘性隨機(jī)噪聲處理方法目合肥師范學(xué)院 2022 屆本科畢業(yè)論文（設(shè)計(jì)）3前還沒(méi)有成熟的理論，并且處理起來(lái)非常復(fù)雜。一般條件下，現(xiàn)實(shí)生活中所遇到的絕大多數(shù)圖像噪聲可以認(rèn)為是高斯加性白噪聲。 圖 像 去 噪 方 法圖像去噪方法可以劃分為兩類(lèi): 一類(lèi)是空間域的圖像去噪方法, 主要采用圖像平滑模板對(duì)圖像進(jìn)行卷積處理, 達(dá)到抑制或消除噪聲的目的； 另一類(lèi)是頻率域的圖像去噪方法,主要通過(guò)對(duì)圖像進(jìn)行變換然后選擇適當(dāng)頻率的帶通濾波器對(duì)圖像進(jìn)行濾波處理, 再經(jīng)過(guò)反變換，最后得到去除噪聲后的圖像。 均值濾波是用某一點(diǎn)和它的鄰域內(nèi)的點(diǎn)的像素平均值去替代中心點(diǎn)的像素灰度，選擇一幅有 N N 個(gè)像素點(diǎn)的圖像 g(x,y),經(jīng)過(guò)處理后的圖像記作為 h(x,y),則根據(jù)均值濾波的?方法可得如 11 所示： (11)???snmyxgMyxh),(1),(式中 x,y=0,1,2,……,N1,S 是(x,y) 點(diǎn)鄰域中點(diǎn)的坐標(biāo)的集合,M 是集合內(nèi)坐標(biāo)點(diǎn)的總數(shù)。此種方法是把噪聲點(diǎn)的像素值分散為其某一鄰域各點(diǎn)中以對(duì)圖像達(dá)到平滑濾波的作用，平滑濾波后的圖像 h(x,y)，其中任一點(diǎn)的像素值由其和其鄰域內(nèi)像素的平均值確定。中值濾波是把數(shù)字序列或者圖像中的一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中的各點(diǎn)值的中值代替，因此中值濾波是一種基于排序理論的非線(xiàn)性信號(hào)處理方法。確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域，這里鄰域常被稱(chēng)為窗口，常用的形狀有方形，十字形等，一般選擇方形鄰域，然后將鄰域內(nèi)各個(gè)像素灰度值進(jìn)行排序，并取中間值作為中心像素灰度的新值。當(dāng)活動(dòng)窗口在圖像中進(jìn)行移動(dòng)后，就可以利用中值濾波算法對(duì)圖像進(jìn)行平滑處理。設(shè)表示數(shù)字圖像各點(diǎn)的灰度值, 濾波窗口為 A 的二維中值濾波可定義為式 12:????2,Ixji? (12)??????2,IjisrxMedyjriijij ????由于中值濾波的輸出像素是由鄰域像素的中間值決定，因此其對(duì)于與周?chē)袼鼗叶戎挡顒e比較大的像素遠(yuǎn)不如平均值敏感，所以可以在消除孤立噪聲點(diǎn)的同時(shí)使圖像不會(huì)那么模糊。中值濾波的去噪效果和噪聲類(lèi)型有關(guān)的同時(shí)也和鄰域的空間范圍和計(jì)算中的像素?cái)?shù)有關(guān)，一般情況下會(huì)選擇 N*N 的方形模板進(jìn)行圖像去噪濾波，總之，中值濾波具有實(shí)時(shí)性好，可靠性高，算法簡(jiǎn)單等特點(diǎn)，具有較高的實(shí)用價(jià)值。維納濾波能根據(jù)圖像的局部方差調(diào)整濾波器的輸出, 它的最終目標(biāo)是使恢復(fù)圖像 f^(x,y)與原始圖像 f(x,y)的均方誤差最小，是一種自適應(yīng)濾波 [5]。 (13)???????22 ,min,inmi yxffEyxeEMS??? 圖像的有用信號(hào)與噪聲信號(hào)經(jīng)過(guò)小波變換后會(huì)呈現(xiàn)出不同的規(guī)律在不同的分辨率下, 可以利用不同的分辨率,對(duì)小波系數(shù)進(jìn)行調(diào)整,對(duì)閾值門(mén)限進(jìn)行設(shè)定,以達(dá)到去除圖像噪聲的合肥師范學(xué)院 2022 屆本科畢業(yè)論文（設(shè)計(jì)）4目的。利用小波域?yàn)V波時(shí)，小波系數(shù)可以通過(guò)閾值化被劃分為兩種: 一種是受到噪聲污染比較大或者是不重要的小波系數(shù)；另一種是規(guī)則的，重要的小波系數(shù)。通常情況下小波系數(shù)的分類(lèi)單元是以小波系數(shù)的絕對(duì)值為基礎(chǔ)的，如果圖像信息受到噪聲的干擾比較強(qiáng)烈，則小波系數(shù)的絕對(duì)值是趨向于零的。閾值化去噪方法最常用的有兩種，一種是給定硬( 或軟) 閾值進(jìn)行圖像的去噪聲處理 , 該方法的去噪效果比較有說(shuō)服力，因?yàn)樗o定的閾值通常是由某經(jīng)驗(yàn)公式得到；另外一種是通過(guò)默認(rèn)閾值進(jìn)行圖像的去噪聲處理, 即在去噪處理時(shí)用的閾值是程序中設(shè)定的。對(duì)于“硬閾值化”, 只有當(dāng)小波系數(shù)的絕對(duì)值大于閾值 時(shí)才?對(duì)其進(jìn)行保留并且被保留系數(shù)與原系數(shù)相同(沒(méi)有被縮減),如 14 所示: (14)????????W,0對(duì)于“軟閾值化 ”當(dāng)小波系數(shù)的絕對(duì)值大于閾值 時(shí)其值用 進(jìn)行縮減，當(dāng)小波系數(shù)的?絕對(duì)值小于閾值 時(shí)其值歸零，如下所示 : (15)??????????,sgn,0式中的 sgn( )是符號(hào)函數(shù) ,當(dāng)數(shù)值為負(fù)時(shí)其符號(hào)是負(fù)，反之，其符號(hào)為正；W 表示小?波系數(shù)數(shù)值。閾值化處理圖像進(jìn)行去噪時(shí)，難點(diǎn)部分是選擇合適的閾值 如果其太大, 重要的圖像?特征將被濾掉,引起偏差；如果閾值太小，處理后的信號(hào)仍有噪聲存在。 圖 像 質(zhì) 量 評(píng) 價(jià) 方 法對(duì)于一個(gè)圖像通信或圖像處理系統(tǒng)而言, 其信息的主體是圖像,所以衡量這個(gè)系統(tǒng)的一個(gè)重要指標(biāo)就是圖像的質(zhì)量。圖像質(zhì)量評(píng)價(jià)的研究也成為了圖像信息學(xué)科的基礎(chǔ)研究之一。圖像質(zhì)量評(píng)價(jià)的典型模型有基于結(jié)構(gòu)相似度的評(píng)價(jià)模型(Structural Similarity Image Measurement, SSIM)[3]；基于人類(lèi)視覺(jué)系統(tǒng) (Human Vision System,HVS)圖像質(zhì)量評(píng)價(jià)模型[4,5]等。圖像質(zhì)量評(píng)價(jià)的方法大體上可分為客觀評(píng)價(jià)和主觀評(píng)價(jià)方法。主觀質(zhì)量評(píng)價(jià)方法主要是依據(jù)實(shí)驗(yàn)人員主觀判斷來(lái)進(jìn)行圖像質(zhì)量的衡量的；而客觀評(píng)價(jià)方法依據(jù)模型給出的量化指標(biāo)模擬人類(lèi)視覺(jué)系統(tǒng)感知機(jī)制來(lái)進(jìn)行圖像質(zhì)量的衡量的?？陀^質(zhì)量評(píng)價(jià)相對(duì)于主觀質(zhì)量評(píng)價(jià)而言，具有一系列的優(yōu)點(diǎn)，如：成本低，操作簡(jiǎn)單，易于解析和嵌入實(shí)現(xiàn)等，正是由于有這些優(yōu)點(diǎn)，客觀質(zhì)量評(píng)價(jià)方法稱(chēng)為了圖像質(zhì)量評(píng)價(jià)的研究重點(diǎn)。其實(shí)在實(shí)際的圖像應(yīng)用中也經(jīng)常利用主觀的評(píng)價(jià)結(jié)果對(duì)客觀質(zhì)量評(píng)價(jià)模型中的參數(shù)進(jìn)行校正，既主觀評(píng)價(jià)方法與客觀評(píng)價(jià)方法相結(jié)合。 圖 像 的 客 觀 評(píng) 價(jià)在圖像的客觀評(píng)價(jià)方法中根據(jù)對(duì)原始圖像信息的依賴(lài)程度可對(duì)其分為三類(lèi)，第一類(lèi)是無(wú)參考型，就是不需要原始圖像的任何信息；第二類(lèi)是部分參考型，就是只需要原始合肥師范學(xué)院 2022 屆本科畢業(yè)論文（設(shè)計(jì)）5圖像的特征信息；第三類(lèi)是全參考型，就是需要原始圖像的所有信息。無(wú)參考方法即不需要原始圖像的任何信息而直接對(duì)目標(biāo)圖像進(jìn)行質(zhì)量評(píng)價(jià)的方法，其優(yōu)點(diǎn)是不需要原始圖像就能對(duì)目標(biāo)圖像進(jìn)行質(zhì)量評(píng)價(jià)，很大程度上減少了信息的傳輸量，但是此方法仍然有一定的難點(diǎn)，一是圖像特征難以提取并且定義，二是人眼感知難以模擬化表示。部分參考方法 [6]是僅僅利用部分原始圖像的信息來(lái)對(duì)目標(biāo)圖像進(jìn)行質(zhì)量評(píng)價(jià)的方法，缺點(diǎn)是算法對(duì)提取的特征非常的敏感，特征提取和比較是對(duì)部分參考方法性能影響很大的關(guān)鍵因素；但是其具有不可替代的優(yōu)點(diǎn)，即能在減小傳輸數(shù)據(jù)的基礎(chǔ)之上獲得較好的評(píng)價(jià)效果。部分參考方法可分為基于數(shù)字水印方法 [7,8]，基于原始圖像特征方法 [9,10]等，首先進(jìn)行原始圖像和目標(biāo)圖像的部分信息提取，再對(duì)所提取的信息比較進(jìn)而進(jìn)行圖像質(zhì)量的評(píng)價(jià)。全參考方法的算法特點(diǎn)基本都是數(shù)學(xué)模型，大致可分為基于結(jié)構(gòu)相度的算法，基于像素誤差統(tǒng)計(jì)的算法，基于人類(lèi)視覺(jué)系統(tǒng)與其他算法相結(jié)合等，利用原始圖像的全部信息并通過(guò)計(jì)算其與目標(biāo)圖像的感知誤差，綜合這些誤差得到目標(biāo)圖像質(zhì)量的評(píng)價(jià)值 [11]。下面介紹一種經(jīng)常使用的逼真度測(cè)量，合理的測(cè)量方法應(yīng)和主觀實(shí)驗(yàn)結(jié)果一致,而且要求簡(jiǎn)單易行。就數(shù)字圖像而言，設(shè) 是原始圖像， 是失真圖像，逼真度可定義為歸一??kjf, ??kjf,?化的均方誤差 NMSE[12]，如式 16 所示： (16)??????????????????????1022,NJMKJkjfQSE其中， 表示在運(yùn)算逼真度前，為使測(cè)量值與主觀評(píng)價(jià)的結(jié)果一致而進(jìn)行的某種預(yù)處理。???Q常用的 為 ， 均為常數(shù)。??jfb,log32?bK,321對(duì)于連續(xù)圖像，設(shè) f（x,y）