牛顿迭代法在图像增强中的应用

摘要

随着专业型和消费型数码相机的日益普及，大量图像数据正在产生。这些图像数据在获取、储存及传输过程中由于受到成像系统、存储介质及环境因素的影响使图像质量下降，严重影响图像视觉效果，从而影响人类或机器对图像内容的识别和判定。图像的去噪和增强就是要改善图像的质量，使之更适合于实际的应用需求。因此，图像噪声去除和图像增强对于改善图像质量至关重要。本文总结了图像质量评价的主观和客观方法，并对图像去噪做了深入研究，在空间域卷积运算的基础上提出了CB滤波器和BB滤波器原理和实现方法，并利用MATLAB进行仿真实验，与各种传统的去噪方法进行比较，验证了本文提出的方法的可行性和有效性。

目录

声明

摘要

第一章 绪论

1．1 图像增强选题背景与研究意义

1．2 图像质量评价

1．2．1 主观评价

1．2．2 客观评价

1．3 本论文主要工作及内容安排

第二章 图像增强的研究现状和基本方法

2．1 图像增强技术研究现状

2．2 图像增强方法分类

2．2．1 空间域增强

2．2．2 频率域增强

2．2．3 其他方法

第三章 图像去噪的基本方法

3．1 去嗓的基本理论

3．2 图像去噪研究现状

3．3 均值滤波

3．3．1 均值滤波的基本理论

3．3．2 均值滤波原理

3．3．3 均值滤波器

3．4 中值滤波

3．5 自适应邻域去噪算法

3．5．1 自适应邻域

3．5．2 自适应邻域滤波算法

3．5．3 倒数加权的窗口自适应邻域滤波算法

3．6 变换域图像去噪算法

3．7 图像去噪中的难点问题

第四章 牛顿迭代法在图像增强中的应用

4．1 牛顿迭代法原理及收敛性

4．1．1 牛顿迭代法原理

4．1．2 牛顿迭代法收敛性

4．2 CB滤波器和BB滤波器

4．2．1 CB(Center-to-Boundary)滤波器

4．2．2 BB(Boundary-to-Boundary)滤波器

第五章 CB和BB滤波器的图像评价

5．1 对比度熵

5．2 均方误差

5．3 均方根误差(Root Mean Square Error，RMSE)

5．4 峰值信噪比

第六章 总结与展望

6．1 总结

6．2 展望

致谢

参考文献