一类新的去除混合噪音的方法

摘要

图像在产生和传输过程中，经常被噪音污染。图像处理的一个基本问题是，如何在有效地去除噪音的同时，保持图像的细节特征不受影响。解决这个问题的关键是如何描述污染图像的噪音类型。人们知道两种噪音模型就能充分代表大部分图像中的噪音，即高斯噪音和脉冲噪音。 尽管数字图像中的混合噪音(高斯噪音和一致脉冲噪音)常常是不可避免的，但是迄今能有效地去除混合噪音的方法并不多。去除高斯噪音的非局部加权平均滤波方法充分利用自然图像中大量存在着的相似现象进行滤波，已在实践中取得了引人瞩目的成效。然而对上述现象和算法至今还缺乏满意的理论依据。在本文中，我们首先从概率论角度对相似现象给出数学描述(称为“相似假设

目录

文摘

英文文摘

论文说明：符号表

声明

第一章绪论

1.1图像滤波的意义与研究现状

1.2数字图像和噪音

1.3图像质量评价

1.3.1图像质量的主观评价

1.3.2图像质量的客观评价

1.3.3其它方法

1.4本文所做工作和内容安排

第二章滤波方法

2.1传统的滤波方法

2.1.1局部平均法

2.1.2中值滤波

2.1.3基于均值滤波和中值滤波的混合滤波方法

2.1.4简单加权平均算法

2.2几种新的滤波算法

2.2.1 Trilateral滤波算法

2.2.2 ROLD-EPR滤波器

2.2.3非局部均值滤波器

第三章一种新的混合噪音滤波方法

3.1非局部滤波方法

3.2相似假设与相似原理

3.3新的混合噪音滤波方法

3.3.1脉冲过滤范数

3.3.2算法描述

3.3.3实验

第四章一类新的去除混合噪音的方法

4.1新的基于幂函数的脉冲噪音检测器

4.1.1 ROPD统计量的定义

4.1.2实验结果的比较分析

4.2一类新的去除混合噪音的方法

4.2.1算法描述

4.2.2实验结果的比较分析

第五章噪音图像的自相似性

5.1窗口相似性的度量

5.2图像自相似度的定义

结论

参考文献

致谢

附录 攻读学位期间发表论文目录