图像去噪去噪算法研究 开题报告

图像去噪去噪算法研究论文开题报告

（1）选题的目的、意义

目的：

由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染，影响了图像的视觉效果，甚至妨碍了人们正常识别。另外，在图像处理的某些环节当输入的对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为—引起较强视觉效果的孤立象素点或象素块[1]。一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。要构造一种有效抑制噪声的滤波必须考虑两个基本问题能有效地去除目标和背景中的噪声；同时，也要能很好的保护图像目标的形状、大小及特定的几何和拓扑结构特征。

意义：

噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使人们不得不从各种角度进行探索以提高图像的质量[2] [3]。所以采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理步骤。现在图像处理技术已深入到科学研究、军事技术、工农业生产、医学、气象及天文学等领域。科学家利用人造卫星可以获得地球资源照片、气象情况；医生可以通过X射线或CT对人体各部位的断层图像进行分析。但在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要[4] [5]。图像去噪作为图像处理的一个重要环节，可以帮助人们更加准确地获得我们所需的图像特征，使其应用到各个研究领域，帮助解决医学、物理、航天、文字等具体问题。如何改进图像去噪算法，以有效地降低噪声对原始图像的干扰程度，并且增强视觉效果，提高图像质量，使图像更逼真，仍存在继续研究的重要意义。

（2）国内外对本课题涉及问题的研究现状

针对图像去噪的经典算法，科学工作者通过努力，提出了一些的改进算法，比如模拟退火法[6]。但是模拟退火法存在的问题是计算过程复杂，计算量大，即使使用计算机代替人工计算也会耗用大量时间。后来在众多研究者的努力下，产生了很多其他不同的方法。而现今已卓有成效的非线性滤波方法有正则化方法、最小能量泛函方法、各向异性扩散法[7] [8]。

目前常用的降噪方法有在空间域进行的，也有将图像数据经过傅里叶等变换以后转到频域中进行的[9]。其中频域里的滤波需要涉及复杂的域转换运算，相对而言硬件实现起来会耗费更多的资源和时间。在空间域进行的方法有均值或加权后均值滤波、中值或加权中值滤波、最小均方差值滤波和均值或中值的多次迭代等。实践证明，这些方法虽有一定的降噪效果，但都有其局限性。比如加权均值在细节损失上非常明显；而中值仅对脉冲干扰有效，对高斯噪声却无能为力[10] [11] [12] [13]。实上，图像噪声总是和有效数据交织在一起，若处理不当，就会使边界轮廓、线条等变得模糊不清，反而降低了图像质量。

对于去除椒盐噪声，主要使用中值滤波算法。中值滤波是在1970年由Tukey提出的一种一维滤波器。它主要是指用实心邻域范围内的所有值的中值代替所作用的点值，但是必须注意的是邻域内的点的个数是正奇数，这是为了保证取中值的便利性，若是偶数，则中值就会产生两个[14] [15]。中值滤波以一种简单的非线性平滑技术。它是以排序统计理论作为基础，有效抑制噪声的非线性处理数字信号技术。中值滤波对消除椒盐噪声非常有效。在图像处理中，常用中值滤波保护图像边缘信息，它是一种经典的去除图像噪声算法[16]。但是它在去除图像噪声过程中，往往会将图像的细节比如细线、棱角的地方破坏掉。后来

人们将其应用于二维图像上，产生了标准中值滤波。标准中值滤波是采用滤波窗口对图像

进行滤波窗口内部的二维中值滤波。去除图像噪声过程中，滤波窗口的大小可以自由设定，一般采用奇数的正方形窗口，选择奇数的原因如上，如3*3、5*5的正方形窗口[17] [18] [19]。除此以外，大量的研究学者基于标准中值滤波，经过努力工作，得到了更多有效的

去除图像噪声算法。比如：加权中值滤波、中心加权滤波、模糊多级中值、多重中值滤波

算法等等。它们都是从不同侧面对中值滤波算法进行改进，以提高去除图像噪声效果[20] [21] [22]。但是，它们在去除细节较丰富的图像噪声往往将非噪声点误判断为噪声点而直接替换像素灰度值，对保持图像细节和保持图像边缘造成一定的消极影响。除此之外，去

除高密度椒盐噪声在现今图像处理问题中仍然是一个难点。

参考文献：

[1]阮秋琦. 数字图像处理学[M]. 电子工业出版社, 2007

[2]路系群,陈纯.《图像处理原理、技术与算法》[M].浙江大学出版社,2001,8

[3]章霄.数字图像处理技术[M]. 冶金工业出版社, 2005

[4] 郭卫民. 基于Matlab的图像去噪算法的研究[D]. 沈阳工业大学, 2006

[5]刘明奇,党长民.实用数字图像处理[M].北京理工大学出版社,2002

[6]杨群生，陈敏等．基于模糊技术的随机噪声消除算法[J]．华南理工大学学报，

2000，28(8)：82-87

[7]KrimH,SchickIC,Minimax description length for signal denoising and optimized representation.[J].In:IEEE https://www.docsj.com/doc/504964513.html,rmation.Theory,1999,45(3) ： 898-908

[8]Malfait M, Roose D.Wavelet based image denoising using a

Markov random field apriorl mode.[J.In:IEEE Trans.Image Processing, 1997, 6(4):549-565

[9]李俊生.图像非线性滤波技术的研究[J].常州工学院学报,2005, 18(2):33-38

[10]徐建华. 图像处理与分析[M]. 科学出版社, 1992

[11]谢杰成,张大力,许文立.小波图像去噪综述[J].中国图像图形学报, 2002 ,3(7):209-217

[12]王民,文义玲,常用图像去噪算法的比较与研究[J]．西安建筑科技大学学报,2010,11(3): 23-28

[13]张宇,王希勤,彭应宁.自适应中心加权的改进均值滤波算法[J].清华大学学报,

1999，39(4):76-78

[14]L.K.Shark and C.Yu.Denoising by optimal fuzzy thresholding in

wavelet domain [J]．IEEE Electronics letters，2000，36(6)：581-582

[15]Xu Yansun, Weaver J B, Healy M J et al.Wavelet transform

domain filters :A spatially selective noise filtration technique.[J] In: IEEE Trans. Image Processing, 1994, 3(6),743-758

[16]章毓晋.图像处理和分析[M].清华大学出版社,1999

[17]贵预风,陶剑峰.数字图像中值滤波改进算法研究[J].武汉理工大学学报，2004，28(1): 103-105

[18]刘丽梅,孙玉荣,李丽.中值滤波技术发展研究[J].云南师范大学学报,2004,24(1):23-

27

[19]勒中鑫. 数字图像信息处理[M]. 国防工业出版社, 2003

[20] 李亮.图像去噪算法的研究[D]. 东北石油大学, 2008

[21]许录平.数字图像处理[M].北京科学出版社,2007

[22]朱秀昌,刘峰,胡栋编著.数字图像处理与图像通信[M].北京邮电大学出版社, 2002.05

（1）本课题主要研究方法、研究手段

通过认真阅读国内外关于去除图像噪声的相关文献和书籍，同时研读数字图像处理相关知识，学习求解最优解决问题的方法。在大量阅读文献的基础上通过使用MATLAB软件进行仿真实验，并总结每种方法的优缺点，并提出新的能量最小模型及在此基础上的改进的中值

滤波算法；同时研究并提出可变化的滑动滤波窗口噪声检测算法。通过努力，达到最终目的，能够在替换像素灰度值时给予判断，以达到保持图像的细节信息与边缘信息的目的，

甚至更好地还原含有高密度噪声图像，最大限度地去除噪声。

（2）需要重点研究的问题及解决的思路

1. 如何改进中值滤波器降低图像分辨率的缺点。

针对中值滤波器降低图像分辨率的缺点，提出一种改进的中值滤波算法，即在中值滤波前

进行边缘判断。首先判断象素是否是边缘，是则不进行变换，直接将该像素值输出。反之

则进行中值滤波，将中值滤波后的值输出。

2.如何解决去噪过程中非噪声点误判为噪声点的问题。

针对多重中值滤波算法，通过与能量最小化相结合，提出新的改进的多重中值滤波算法，这个算法构造了两个不同能量函数模型，两个模型均从图像像素点局部邻域出发，通过比

较局部邻域能量值判断是否利用多重中值替换原像素灰度值。新算法不仅改变了原中值滤

波算法单一的替换灰度值的做法，降低了将非噪声点误判为噪声点的可能性，并且可以根

据实验图像的大小自适应调节阈值，最后达到去除噪声的效果。

提出可滑动滤波窗口的噪声点检测算法，利用变化的滤波窗口，有效地减少非噪声点误

判为噪声点的情况，改变了固定滤波窗口的单一性，更有效地减少非噪声点的改变，保护

图像细节，并且针对高密度噪声图像进行去除噪声实验取得良好的实验效果。

（1）论文的工作方案

1.搜集查阅相关资料，了解图像降噪的现状及其研究意义。查阅相关文献资料，了解并掌

握图像去噪技术的相关知实现原理。了解并掌握重要的滤波算法（中值滤波、均值滤波、

维纳滤波等）。

2.研究分析各种滤波算法，掌握图像去噪的方法。

3.用以上几种方法实现噪声图像的降噪处理，并比较不同算法的降噪性能，对各种方法的

优缺点进行相应的分析。对中值滤波的缺点进行改进，通过与能量最小化相结合，提出改

进的中值滤波算法，以及可滑动滤波窗口的噪声点检测算法。

4.对图像去噪过程进行仿真，并对结果分析讨论。

5.通过实践验证改进的算法在图像降噪中的有效性，并对改进的算法的优缺点进行分析。

6.对去噪后的数字图像进行各种性能指标的评价，得出实际的有用的结论。

（2）进度计划

2014年11月10日—2014年12月15日收集资料，通过学习相应书记和查阅资料，了解课题研究的基本内容、目的和意义，对课题目前的发展和较为常见的图像去噪算法有所了

解和掌握，确定设计思路,完成任务书的撰写。

2014年12月16日— 2015年2月28日学习了解中值滤波、均值滤波和小波变换的原理以及特性。

2015年3月1日—2015年3月9日撰写开题报告及开题报告答辩PPT，准备开题答辩。2015年3月10日— 2015年3月25日巩固和学习Matlab的使用，针对设计中使用的算法，编制处理程序，并上机进行调试和优化，对图像处理过程进行仿真。

2015年3月26日— 2015年4月9日根据实验仿真结果，分析去噪后的图像的各种性能

指标，整理得出结论，验证自己的算法研究。完成论文初稿并准备论文检测。

2015年4月10日—2015年4月30日对论文进行仔细审查，对论文中出现的问题进行修改，准备答辩。