基于统计排序的图像随机值脉冲噪声检测方法研究

摘要

随机值脉冲噪声是脉冲噪声的一种，由于其分布和幅值的特性，当噪声水平较大时，一般的去噪算法的去噪效果不甚理想。目前，在图像去噪之前利用噪声检测器对脉冲噪声进行检测是一种有效的方法：先通过噪声检测器有效地检测和标记噪声点，在去噪阶段针对性地对标记的噪声点进行处理。这种检测和去噪结合的模式能够较好地去除图像中的脉冲噪声，并且保留图像的大部分细节信息。
　　本文基于统计排序的方法，提出了一种新的噪声检测的思路。该思路是将目标像素点与周围像素值的距离通过一种分段的幂函数变换，求得新的距离值，并将这些距离从小到大排序，选取较小的一半距离值的和作为该目标像素点的统计值。在求得统计值之后，根据不同的噪声水平，自适应地设定阈值，将大于阈值的像素点标记为噪声。其中基于分段幂函数距离变换函数是本文的主要创新点，通过将像素间的原始距离根据大小不同做不同程度的提升，噪声与非噪声的统计值的差距会进一步拉大，从而能够更加有效准确的检测噪声。在去噪阶段，将本文提出的脉冲噪声检测器与现有的去噪算法结合，组成一个完整的基于检测的滤波算法。该算法采用迭代的方式，脉冲检测的初始阈值通过自适应函数得到，距离变换函数的参数也在迭代过程中不断调整。通过大量的实验结果表明，本文提出的脉冲噪声检测方法在检测效果上好于目前大多数的检测方法。结合检测器进行的去噪算法在主观评价和客观指标两方面都取得了较好的效果。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外图像去噪研究现状

1.3 本文的创新性工作和组织结构

第2章 图像噪声检测相关理论

2.1 图像噪声

2.2 两种基于统计排序的脉冲噪声检测介绍

第3章 改进的基于统计排序的脉冲噪声检测方法

3.1 改进脉冲噪声检测器的目的及意义

3.2 改进的基于统计排序的脉冲噪声检测器

3.3 小结

第4章 基于ROPPD脉冲检测器的去噪模式

4.1 ROPPD脉冲检测器与EPR结合的迭代去噪模式

4.2 检测器阈值的确定

4.3 距离变换函数参数在迭代中的调整

4.4 ROPPD-EPR去噪模式的总体流程

4.5 小结

第5章 实验结果

5.1 图像检测客观评价指标

5.2 图像去噪客观评价指标

5.3 图像检测结果

5.4 图像去噪结果

5.5 小结

第6章 总结与展望

6.1 总结

6.2 未来的工作

参考文献

发表论文和参加科研情况说明

致谢