学位论文 > 优秀研究生学位论文题录展示

数字图像处理中去噪算法的研究

作　者: 陈大力
导　师: 薛定宇
学　校: 东北大学
专　业: 模式识别与智能系统
关键词: 数字图像处理图像去噪开关中值去噪模糊加权均值去噪模糊推理模型图像特征空间 Parzen窗估计熵
分类号: TP391.41
类　型: 博士论文
年　份: 2008年
下　载: 844次
引　用: 1次
阅　读: 论文下载

内容摘要

在信息时代数字图像处理已经成为人们获取复杂信息的重要手段,在一定程度上拓展了人类的视觉。在众多领域得到了广泛应用,取得了巨大的社会效益和经济效益,因此,图像处理技术的相关研究和应用无论从理论上还是从实践上都具有重要意义。在数字图像处理中,图像去噪是在获取图像后的瓶颈环节,其处理的效果将直接影响到后续环节的性能。因此,研究有效的图像去噪算法,改善去噪性能,对提高整个图像处理系统的性能至关重要。本文深入分析了开关中值去噪算法、模糊加权均值去噪算法和基于熵的去噪算法等主流算法的主要特点,针对其存在的缺陷开展研究工作,提出了四种新的去噪算法,从理论和实验两方面论证了算法的有效性。主要研究工作内容如下：(1)通过大量文献的分析,综述了国内外的相关研究,分析了各种算法的特点和存在的问题,介绍了所需的相关理论基础。(2)在开关中值去噪算法的理论框架基础上,提出了基于相关性双阈值开关中值去噪算法,并针对该算法的参数调整问题,提出了一种参数自调整策略,实现了算法参数的自动优化调整,有效地抑制了椒盐噪声。(3)针对模糊加权均值去噪算法权值估计较为复杂的问题,提出了一种基于像素差的单值模糊推理(PDSVF)模型,该模型能够将权值估计过程简化为一种加权平均形式,极大地简化了权值估计过程,为模糊加权均值去噪算法的权值估计提供了一种有效手段。在该模型基础上提出了两种去噪算法：一种是针对混合噪声的模糊加权均值去噪算法,该算法采用灰度差的校正值作为模型的输入,在不增加推理复杂度的情况下,保证了算法对混合噪声的抑制性能；另一种是基于噪声检测的模糊加权均值去噪算法,该算法使用了噪声检测环节和像素裁减环节,实现了对输入量有效筛选,提高了权值估计的精度,对椒盐噪声和混合噪声都具有很好的抑制效果。(4)在分析图像特征的基础上,定义了一种图像特征空间的构造方式,将Parzen窗密度估计方法应用于该空间,提出了基于图像特征空间的Parzen窗密度估计方法,并针对该密度估计方法中窗函数的选择问题,提出了一种有效的选择策略,为窗函数的选择提供了依据。在以上研究基础上,将信息熵与图像去噪技术相结合,提出了基于Parzen窗估计和熵下降准则的无监督图像去噪算法,从理论上证明了该去噪算法的本质特征是一种迭代的自适应加权均值去噪算法,并论证了该算法与自适应平滑和bilateral滤波算法的内在联系。(5)对论文各章进行了总结和展望,总结了论文取得的创新性成果,并分析了今后的研究方向。

全文目录

中文摘要  5-7
ABSTRACT  7-12
第1章绪论  12-24
  1.1 研究背景  12
  1.2 研究意义  12-13
  1.3 研究现状  13-22
    1.3.1 改进的中值去噪算法  14-17
    1.3.2 基于模糊技术的去噪算法  17-20
    1.3.3 基于信息熵的去噪算法  20-22
  1.4 论文的主要工作和章节安排  22-24
    1.4.1 论文的组织  22-23
    1.4.2 论文的主要成果和创新点  23-24
第2章去噪算法基础  24-46
  2.1 去噪的基本理论  24-28
    2.1.1 噪声模型  24-25
    2.1.2 去噪算法的分类  25-26
    2.1.3 评价准则  26-28
  2.2 中值算法的基本理论  28-29
  2.3 模糊理论的基本概念  29-39
    2.3.1 模糊集合及运算  30-32
    2.3.2 隶属函数  32-35
    2.3.3 模糊推理  35-38
    2.3.4 模糊模型  38-39
  2.4 信息熵的基本理论  39-41
    2.4.1 自信息的定义  39
    2.4.2 信息熵的定义  39-40
    2.4.3 信息熵的基本性质  40-41
  2.5 Parzen窗估计基本理论  41-45
    2.5.1 Parzen窗估计的概念  42-43
    2.5.2 窗函数的约束条件  43
    2.5.3 窗函数的选择  43-44
    2.5.4 窗宽对密度估计的影响  44-45
  2.6 小结  45-46
第3章开关中值去噪算法  46-60
  3.1 引言  46
  3.2 基于相关性双阈值的开关中值去噪算法  46-50
    3.2.1 算法设计  47-48
    3.2.2 边界处理及递归方法  48-49
    3.2.3 可调参数对算法性能的影响分析  49-50
  3.3 基于最小相邻图像均方差的参数自调整策略  50-51
    3.3.1 算法设计  50-51
    3.3.2 性能分析  51
  3.4 仿真实验  51-59
    3.4.1 算法性能实验  52-55
    3.4.2 算法对比实验  55-59
  3.5 小结  59-60
第4章模糊加权均值去噪算法  60-88
  4.1 引言  60-61
  4.2 基于像素差的单值模糊推理模型  61-64
    4.2.1 基本参数的定义  61-62
    4.2.2 模糊规则库的建立  62
    4.2.3 模糊隶属函数及模糊算子的选择  62-63
    4.2.4 权值的推理计算  63-64
  4.3 针对混合噪声的模糊加权均值去噪算法  64-73
    4.3.1 算法设计  64-65
    4.3.2 权值的推理过程  65-67
    4.3.3 后件参数的确定  67-68
    4.3.4 仿真实验  68-73
  4.4 基于噪声检测的模糊加权均值去噪算法  73-86
    4.4.1 算法设计  73-75
    4.4.2 权值的推理过程  75-76
    4.4.3 裁减像素数量的限制  76
    4.4.4 仿真实验  76-86
  4.5 小结  86-88
第5章基于熵下降准则的去噪算法  88-114
  5.1 引言  88
  5.2 图像特征空间的定义  88-90
  5.3 基于Parzen窗的密度估计  90-94
    5.3.1 基本参数定义  90-92
    5.3.2 轮廓函数的选择  92-94
  5.4 基于熵下降准则的去噪算法  94-96
  5.5 相关参数的设定  96-99
    5.5.1 邻域的选择  96
    5.5.2 尺度矩阵的设定  96-98
    5.5.3 终止准则的制定  98-99
  5.6 算法性能分析  99-102
  5.7 与其它算法的联系  102-104
    5.7.1 与自适应平滑算法的联系  102-103
    5.7.2 与bilateral滤波算法的联系  103-104
  5.8 仿真实验  104-113
    5.8.1 算法性能实验  105-109
    5.8.2 算法对比实验  109-113
  5.9 小结  113-114
第6章总结和展望  114-116
  6.1 总结  114
  6.2 展望  114-116
缩略语对照表  116-118
参考文献  118-126
致谢  126-128
攻读博士期间发表的论文  128-130
攻读博士期间教材、科研项目及获奖情况  130-132
作者简介  132

相似论文

偏振条件下辐射能和熵传输的数值模拟,TK124
流动与混合过程中不可逆损失的研究,TK12
基于信息熵的课堂观察量化评价模型研究,G632.4
基于FPGA的数字图像处理基本算法研究与实现,TP391.41
医学超声图像去噪方法研究,TP391.41
领域实体属性及事件抽取技术研究,TP391.1
人物言论抽取与跟踪技术研究,TP391.1
图像分割中阴影去除算法的研究,TP391.41
基于停用词处理的汉语语音检索方法,TP391.1
桡动脉超声多普勒血流信号的特征提取及分类研究,TP391.41
机械臂视觉伺服系统的研究,TP242.6
数字图像处理在集装箱检测中的应用研究,TP274.4
高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
公路生态系统健康评价方法研究,X826
基于图像处理技术的两相流动特性描述,TP391.41
D.R.斯汀森《密码学》中一些传统编码与破译方法的改进,TN918.1
肥城煤炭配送中心配煤模型研究,F259.2;F224
城市轨道交通运营管理系统测试与评价方法研究,TP311.52
轮廓波变换及其在图像处理中的应用,TP391.41
汉语框架自动识别中的歧义消解,TP391.1
耗散体系下的量子退相干,O413.1