数字图像去噪技术及其应用

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

浅议数字图像去噪技术及其应用

摘要:数字图像去噪技术一直以来都是数字图像处理研究领域的一个热点问题,该技术在当代已经越来越重要,并广泛应用到人们生活的方方面面。笔者在数字图像去噪技术方面也做了一点粗浅的研究,本文就结合笔者的认识和体会谈一谈几种数字图像去噪方法和数字图像去噪技术在现实中的应用。

关键词:数字图像;图像噪声;去噪技术;中值滤波;小波滤波在数字化发展的今天,信息在人们生活和工作中的作用越来越突出,并逐渐改变着人们的生活和工作方式,其中最主要、最直观的信息就是图像信息。然而,在实际应用中数字图像经常会由于元器件、电阻、电磁干扰等设备因素,温度、光照等外界环节因素以及人为因素的影响产生图像噪声,从而使得图像质量不理想,偏离了原始图片。因此,数字图像去噪就成为一个亟待解决的问题,具有很强的现实意义。下面笔者就谈一谈几种数字图像去噪方法和数字图像去噪技术在现实中的应用。

1 数字图像去噪方法

当前,数字图像去噪的方法有很多,从本质上讲这些方法都是低通滤波的方法。低通滤波既有有利的地方,也有不利的地方,它既能消除图像噪声,又能消除图像中一些有用的高频信息。因而,我们所研究的各种数字图像去噪方法从根本上来说就是权衡去噪和保留高频信息。在数字图像去噪方法中,我们比较常见的有以下几种方法:

1.1 中值滤波算法

中值滤波算法最早是由turky于1971年提出来的,是一种典型的非线性空间域去噪算法。其算法利用了像素点和噪声点之间的灰度值差别很大这一特性。中值滤波算法的主要原理是:以一个像素为中心取其邻域,然后对邻域中各像素的灰度值进行排序,取中值作为中心像素的灰度值,换句话说就是中心像素点的灰度值被邻域像素点灰度值的中值所替代。这种方法能很好的消灭噪声,但同时也损坏了图像的边缘,造成了部分细节的丢失。因此,部分科学家和学者在此基础上又提出了中心加权中值滤波算法、开关中值滤波算法、极值中值滤波算法等等,这些方法都是针对中值滤波算法的缺陷提出来的,具有很强的实用价值。

1.2 维纳滤波算法

维纳滤波算法是由wiener提出来的,是一种典型的线性滤波方法。其理论依据是最小均方误差准则,该准则的具体含义是:将含有噪声的信号运用滤波变换后得到的恢复后的估计信号与原信号相比,它们之间有最小的均方差误差。维纳滤波算法既适用于连续平稳随机过程,也适用于离散平稳随机过程。但是,对于非平稳态的随机过程,一般来说,维纳滤波算法不太适用。

1.3 小波滤波算法

小波滤波算法是基于小波变换理论发展而来的。其原来就是:原始信号经过小波变换,将不同频率组成的混合信号分解为不同频率的块信号,去除含噪声频率的块信号,剩下的块信号进行重构就有

效的去除了信号的噪声。利用小波变换去噪,最早是donoho和johnstone于1992年提出的小波阈值萎缩法,这种方法说的是含有噪声的信号经过小波变换后,初始信号的能量主要分布在少数幅值较大的小波系数上,其中噪声能量主要均匀分布在多数小波系数上,因此,只需要设定一个恰当的阈值,就可以从初始信号的小波系数中分离出含噪声的部分。后来,很多学者经过艰苦的研究,推导和改进出各种阈值算法,例如,visushrink阈值公式、sureshrink 阈值公式、garrote阈值函数等等。

2 数字图像去噪的应用

随着电子计算机和电子成像设备的日益发展,越来越多的电子产品进入到人们生活的方方面面,并且数字图像在人们生活中的作用已越来越突出,其应用领域也越来越广泛。

比如,在医学上,我们一般用ct图像或者x光像等成像方式来获取我们用眼睛看不见的封闭区域内的图像,从而来诊断病症。但是这些方式在成像过程中会因为设备内在或外界干扰而产生噪声,这种有害噪声如若不除去,将会影响医生的判断,从而发生误诊的现象。为了医生能够准确的判断病情,就一定要有能如实反映真实情况的医学图像。因此,在医学上就需要利用数字图像去噪技术来提高图像的分辨率和成像质量,抑制图像捕捉系统或医学成像系统造成的噪声干扰。

还比如,在视频和图像编码过程中,我们也会应用到数字图像去噪技术。因为图像中的噪声会引起图像变得模糊,同时还可能造成

某些细节的丢失,使得图像失真,这也严重影响到视频和图像的后期处理。所以,在视频和图像编码处理时对图像进行去噪处理就显得非常有必要。

另外,数字图像去噪技术不但在医学、林业、工业、军事等方面有着诸多应用,还在航空航天拍摄的遥感图像、纸币的数字水印图像、人脸虹膜图像、气象预报的光谱图像等领域都有应用。显而易见,数字图像去噪技术的应用远不止这些方面,其应用领域范围已越来越广。人们对这门技术迫切需要的同时也对数字图像去噪技术提出了新的要求,这也促进其不断完善,推动着其不断发展。

3 结束语

总之,数字图像去噪是图像处理中一项最基本而又最为关键的技术,也是当前图像去噪领域最为热门的一个研究热点问题,吸引着广大学者对其进行较为深入的研究和探索。我相信,随着越来越多的学者参与到数字图像去噪技术的研究中来,这些理论将会在逐步完善中取得突破,在各个突破中得到发展,最终推动整个图像处理技术的进步,为人类所用。

参考文献

[1]吴玲.基于数字图像去噪的方法分析[j].科技信息,2010(6).

[2]王香菊.图像去噪方法和应用[j].科技情报开发与经济,2007(27).

[3]朱秀昌,刘峰,胡栋.数字图像处理与图像通信[m].北京:北京邮电大学出版社,2002.

[4]阮秋琦.数字图像处理学[m].北京:电子工业出版社,2001.

相关文档
最新文档