畢業(yè)設(shè)計--基于雙邊濾波的圖像去噪的方法要點(diǎn)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè) 本科畢業(yè)論文（設(shè)計）本科畢業(yè)論文（設(shè)計）(2014 屆屆)基于雙邊濾波的圖像去噪方法院 系 電子信息工程學(xué)院 專 業(yè) 通息工程 姓 名 指導(dǎo)教師 講師 2014 年 4 月學(xué)號：精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)摘 要雙邊濾波是非線性的濾波方法，是結(jié)合圖像的像素值相似度空間鄰近度和空間領(lǐng)近度的一種折衷處理，同時考慮灰度相似性和空域信息，達(dá)到保邊去噪的目的。雙邊濾波具有簡單、非迭代、局部的特點(diǎn)。雙邊濾波器的好處是可以做邊緣保存，一般過去用的維納濾波或者高斯濾波去降噪，都會較明顯地模糊邊緣，對于高頻細(xì)節(jié)的保護(hù)效果并不明顯。雙邊濾波比多了一個高斯方

2、差，它是基于空間分布的高斯濾波，所以在邊緣附近，離的較遠(yuǎn)的像素不會影響到邊緣上的像素值，這樣就保證了邊緣附近像素值的保存。但是由于保存了過多的高頻信息對于彩色圖像里的高頻噪聲，雙邊濾波器不能夠徹底的濾掉，只能夠?qū)τ诘皖l信息進(jìn)行較好的濾波。其具體的操作方法有兩個，第一個是高斯模版，用個模板對圖像中的每一個像素值進(jìn)行掃描，然后把某一點(diǎn)和其鄰域內(nèi)像素的加權(quán)平均值代替那一個中心的值高斯濾波器是根據(jù)高斯函數(shù)的形狀來選擇其權(quán)值的線性平滑濾波器，高斯濾波是線性平滑濾波的一種，最適合去除的噪聲類型是服從正態(tài)分布的噪聲。第二個是以灰度級的差值作為函數(shù)系數(shù)生成的模板。然后這兩個模板點(diǎn)乘就得到了最終的雙邊濾波模板，

3、最后得到雙邊濾波處理后的圖像。關(guān)鍵詞關(guān)鍵詞：圖像；去噪；雙邊濾波；高斯濾波 精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)AbstractThe bilateral filter is a nonlinear filtering method, is the combination of image pixel value similarity space proximity and space brought a compromise approach degree, considering the gray similarity and spatial information, to achi

4、eve the purpose of edge preserving denoising. The bilateral filter has the advantages of simple, non iterative, local. The bilateral filter is good to do edge preservation,generally used Wiener filtering or Gauss filter to denoise, will obviously fuzzy edge, for the protection of high frequency deta

5、il is not obvious. Bilateral filtering than Gauss filter has a Gauss variance, it is Gauss filter function based on the spatial distribution, so near the edge, the pixel will not affect the farther to the pixel on the edge of the value, thus ensuring the preservation of edge pixel values. But becaus

6、e of the high frequency information saved too much for the high frequency noise in the color image, the bilateral filter can not be completely filtered out, can only be better filtering for the low frequency information. The specific operation method has two, the first is Gauss template, scanning fo

7、r each pixel in the image with a template, and then the weighted one point and its neighborhood pixels instead of the average value of a central value Gauss filters are linear smoothing filter to select the weights based on the Gauss function the shape, the Gauss filter is a linear smoothing filter

8、for noise removal, the type is subject to normally distributed noise. The second is the difference of gray level as function coefficients generated templates. Then the two template dot get bilateral filtering template final, finally get the image after bilateral filtering.Key words: Image ;Denoising

9、;Bilateral Filtering;Gauss Filtering精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)目 錄19精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)1 引引言言1.1 課課題題的的研研究究背背景景及及意意義義當(dāng)今社會已經(jīng)進(jìn)入了一個高度信息化的階段，人們對信息的需求越來越多。人們通過視覺，聽覺，觸覺，味覺等感知器官來進(jìn)行感知而視覺是人類最高級的感知器官，在人類接受的信息中，有將近 80%來自于視覺，而圖像信息成為人們獲取信息的主要來源和利用信息的主要手段以其包含的信息量大，便于存儲以及傳播等優(yōu)勢。傳統(tǒng)的對于圖像的處理經(jīng)常利用的方法是光學(xué)或者模擬電路，例如眼鏡和望遠(yuǎn)鏡等，而對于數(shù)

10、字圖像而言常用的方法是利用計算機(jī)對進(jìn)行加工處理，以提高原圖像的質(zhì)量，壓縮圖像數(shù)據(jù)或者是從圖像中獲取更多信息。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展例如，DSP，VLSI 等一些新的理論技術(shù)，數(shù)字圖像處理已經(jīng)成為了一門獨(dú)立的新興學(xué)科，并得到了廣泛的應(yīng)用，在空間，時間和功能上擴(kuò)展人類視覺1。數(shù)字圖像處理技術(shù)的迅速發(fā)展為人類帶來了巨大的社會效益和經(jīng)濟(jì)效益。例如，衛(wèi)星遙感數(shù)字圖像處理技術(shù)可以進(jìn)行環(huán)境氣候的全球性檢測，還可以廣泛地應(yīng)用到所有與地球相關(guān)的農(nóng)，林，地，礦，油等領(lǐng)域；在醫(yī)學(xué)領(lǐng)域，CT，核磁共振等技術(shù)已經(jīng)廣泛應(yīng)用于臨床診斷，顯然，對于數(shù)字圖像進(jìn)行處理的技術(shù)已經(jīng)融入到了各個科學(xué)領(lǐng)域，因此，對于數(shù)字圖像的處理不僅會

11、對自然科學(xué)而且會對人類社會的發(fā)展產(chǎn)生具有深遠(yuǎn)意義的影響。圖像去噪是圖像處理領(lǐng)域的研究熱點(diǎn)在圖像采集過程，采集和傳輸，由于受到各種條件的限制，圖像受到噪聲污染”2。但是，噪聲是影響圖像質(zhì)量的主要因素，噪聲的存在不僅影響視覺質(zhì)量，但也使一些進(jìn)一步的圖像處理方法，如圖像融合，特征提取，目標(biāo)識別，圖像超分辨率重建的應(yīng)用更加困難。噪聲的存在也會增加圖像的熵，將大大降低編碼效率。因此，在圖像處理的各個領(lǐng)域的圖像去噪具有重要的實(shí)用價值。在醫(yī)學(xué)圖像處理中，圖像邊緣清晰且具有很高的信噪比大大降低誤診率，在軍事上更為突出，高分辨率，提供了必要的保證低噪聲圖像的自動目標(biāo)識別和目標(biāo)的精確。當(dāng)然，任何一種去噪方法不能完

12、全去除圖像中的噪聲，完全恢復(fù)的圖像，然而，研究人員一直在原有方法的基礎(chǔ)上逐步突破其局限性，提高去噪方法，為了得到更好的去噪效果，提高去噪質(zhì)量。在本文中，基于雙邊濾波去噪圖像是一個雙線性過濾，整個圖像的加權(quán)平均，每個像素值，是由本身和其他像素的像素值的加權(quán)平均得到的域。對掃描圖像中的每個像素的模板的具體操作，確定像素的鄰域的加權(quán)平均灰度值代替像素值使用模板模板中心。高斯平滑濾波器是非常有效的正常分布的噪聲抑制，已在圖像去噪，圖像分割，廣泛應(yīng)用于分類。1.2 國內(nèi)外研究現(xiàn)狀國內(nèi)外研究現(xiàn)狀20 世紀(jì) 20 年代,圖像處理首次得到應(yīng)用。上個世紀(jì) 60 年代中期,隨著計算機(jī)科學(xué)的發(fā)展和計算機(jī)的普及,圖像

13、處理得到廣泛的應(yīng)用。60 年代末期,圖像處理技術(shù)不斷完善,逐漸成為一個新興的學(xué)科。為了從圖像中提取有效信息,改善圖像質(zhì)量,必須對圖像進(jìn)行去噪預(yù)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)處理。圖像處理中輸入的是質(zhì)量低的圖像,輸出的是改善質(zhì)量后的圖像。根據(jù)噪聲頻譜分布的規(guī)律和統(tǒng)計特征以及圖像的特點(diǎn),出現(xiàn)了多種多樣的去噪方法。經(jīng)典的去噪方法有：空域去噪法,頻域去噪法，高斯濾波法等,與之適應(yīng)的出現(xiàn)了許多應(yīng)用方法,如均值濾波器,中值濾波器,低通濾波器,維納濾波器等。這些方法的廣泛應(yīng)用,促進(jìn)數(shù)字信號處理的極大發(fā)展,顯著提高了圖像質(zhì)量。一幅原始圖像在獲取和傳輸過程中會受到各種噪聲的干擾，使圖像質(zhì)量下降，對分

14、析圖像不利。主要的噪聲類型有兩種是非常典型的：一種噪聲是隨機(jī)噪聲，特點(diǎn)是每一點(diǎn)都存在，但幅值隨機(jī)分布；另一種是椒鹽噪聲，其特點(diǎn)是幅值基本相同，但出現(xiàn)的位置隨機(jī)。對于一副數(shù)字圖像為了使其圖像質(zhì)量得到改善，收到的噪聲得到抑制便需要對其進(jìn)行平滑處理。對數(shù)字圖像進(jìn)行平滑處理的常用方法有均值濾波，中值濾波，維納濾波等。1.3 圖圖像像噪噪聲聲及及圖圖像像去去噪噪 方方法法1.3.1 圖圖像像噪噪聲聲所謂噪聲，就是能妨礙到系統(tǒng)傳感器對所接收的圖像進(jìn)行分析或理解的各種因素。因?yàn)樵肼晫τ趫D像的采集，輸入，處理等的每一個環(huán)節(jié)有很大的影響，尤其是在圖像的輸入時，圖像采集中的產(chǎn)生的噪聲會對圖像處理的全過程及最終結(jié)果

15、有非常大的影響，所以對于數(shù)字圖像噪聲的抑制已經(jīng)成為了圖像處理中極其重要的步驟。一般噪聲是不可預(yù)測的隨機(jī)信號，它只是用概率統(tǒng)計的方法去認(rèn)識。1.圖像噪聲特點(diǎn)：(1) 疊加性：圖像的傳輸系統(tǒng)如果是串聯(lián)的，系統(tǒng)串聯(lián)的各個部分所引起的噪聲會進(jìn)行疊加，使圖像信噪比下降，降低圖像的質(zhì)量；(2) 圖像與噪聲間具有相關(guān)性：一般攝像機(jī)信號和噪聲相關(guān)，噪聲小時圖像比較明亮，噪聲大時圖像比較黑暗。對數(shù)字圖像進(jìn)行處理時存在的量化噪聲便與圖像相位有關(guān)；(3) 大小與分布不規(guī)則：噪聲的分布和幅值是不規(guī)則是因?yàn)閳D像中的噪聲是隨機(jī)出現(xiàn)。2.圖像噪聲的分類：(1) 高斯噪聲：含有服從高斯或正態(tài)分布強(qiáng)度的噪聲。 (2) 脈沖噪聲

16、：只含有隨機(jī)的白強(qiáng)度值（正脈沖噪聲） ，黑強(qiáng)度值（負(fù)脈沖噪聲） 。 (3) 椒鹽噪聲：含有隨機(jī)出現(xiàn)的黑白強(qiáng)度值。噪聲分類方法不是絕對的，按不同的性質(zhì)有不同的分類方法。噪聲從統(tǒng)計理論觀點(diǎn)可以分為平穩(wěn)和非平穩(wěn)噪聲，凡是統(tǒng)計特性不隨時間變化的噪聲稱為平穩(wěn)噪聲，統(tǒng)計特性隨時間變化的噪聲稱為非平穩(wěn)噪聲；噪聲從幅度分布形態(tài)可分為高斯型噪聲和瑞利型噪聲；還可以按頻譜分布形狀對噪聲進(jìn)行分類，例如均勻分布的噪聲稱為白噪聲。而根據(jù)噪聲與信號之間關(guān)系，可分為加性噪聲和乘性噪聲，加性噪聲是信道一直存在的噪聲，不管有沒有信號，一直存在，理論上加性噪聲分析方法成熟，且處理比較方便，乘性噪聲是隨著信號的出現(xiàn)而出項(xiàng)的，如果沒

17、有信號也沒有噪聲，而乘性隨機(jī)噪聲處理方法目精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)前還沒有成熟的理論，并且處理起來非常復(fù)雜。一般條件下，現(xiàn)實(shí)生活中所遇到的絕大多數(shù)圖像噪聲可以認(rèn)為是高斯加性白噪聲。1.3.2 圖圖像像去去噪噪方方法法圖像去噪方法可以劃分為兩類: 一類是空間域的圖像去噪方法, 主要采用圖像平滑模板對圖像進(jìn)行卷積處理, 達(dá)到抑制或消除噪聲的目的； 另一類是頻率域的圖像去噪方法,主要通過對圖像進(jìn)行變換然后選擇適當(dāng)頻率的帶通濾波器對圖像進(jìn)行濾波處理, 再經(jīng)過反變換，最后得到去除噪聲后的圖像。 1.均值濾波均值濾波是用某一點(diǎn)和它的鄰域內(nèi)的點(diǎn)的像素平均值去替代中心點(diǎn)的像素灰度，選擇一幅有

18、 N N 個像素點(diǎn)的圖像 g(x,y),經(jīng)過處理后的圖像記作為 h(x,y),則根據(jù)均值濾波的方法可得如 1-1 所示： (1-1)snmyxgMyxh),(),(1),(式中 x,y=0,1,2,N-1,S 是(x,y)點(diǎn)鄰域中點(diǎn)的坐標(biāo)的集合,M 是集合內(nèi)坐標(biāo)點(diǎn)的總數(shù)。此種方法是把噪聲點(diǎn)的像素值分散為其某一鄰域各點(diǎn)中以對圖像達(dá)到平滑濾波的作用，平滑濾波后的圖像 h(x,y)，其中任一點(diǎn)的像素值由其和其鄰域內(nèi)像素的平均值確定。2.中值濾波中值濾波是把數(shù)字序列或者圖像中的一點(diǎn)的值用該點(diǎn)的一個鄰域中的各點(diǎn)值的中值代替，因此中值濾波是一種基于排序理論的非線性信號處理方法。確定一個以某個像素為中心點(diǎn)的

19、鄰域，這里鄰域常被稱為窗口，常用的形狀有方形，十字形等，一般選擇方形鄰域，然后將鄰域內(nèi)各個像素灰度值進(jìn)行排序，并取中間值作為中心像素灰度的新值。當(dāng)活動窗口在圖像中進(jìn)行移動后，就可以利用中值濾波算法對圖像進(jìn)行平滑處理。設(shè)表示數(shù)字圖像各點(diǎn)的灰度值, 濾波窗口為 A 的二維中值濾波可定義為式 1-2:2,Ixjiij (1-2) 2,IjiAsrxMedxMedysjriijij由于中值濾波的輸出像素是由鄰域像素的中間值決定，因此其對于與周圍像素灰度值差別比較大的像素遠(yuǎn)不如平均值敏感，所以可以在消除孤立噪聲點(diǎn)的同時使圖像不會那么模糊。中值濾波的去噪效果和噪聲類型有關(guān)的同時也和鄰域的空間范圍和計算中的

20、像素數(shù)有關(guān)，一般情況下會選擇 N*N 的方形模板進(jìn)行圖像去噪濾波，總之，中值濾波具有實(shí)時性好，可靠性高，算法簡單等特點(diǎn)，具有較高的實(shí)用價值。3.維納濾波法。維納濾波能根據(jù)圖像的局部方差調(diào)整濾波器的輸出, 它的最終目標(biāo)是使恢復(fù)圖像 f(x,y)與原始圖像 f(x,y)的均方誤差最小，是一種自適應(yīng)濾波5。 (1-3)22,min,minminyxfyxfEyxeEMSE4.圖像小波域?yàn)V波 圖像的有用信號與噪聲信號經(jīng)過小波變換后會呈現(xiàn)出不同的規(guī)律在不同的分辨率下, 可以利用不同的分辨率,對小波系數(shù)進(jìn)行調(diào)整,對閾值門限進(jìn)行設(shè)定,以達(dá)到去除圖像噪聲的精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)目的。利用小

21、波域?yàn)V波時，小波系數(shù)可以通過閾值化被劃分為兩種: 一種是受到噪聲污染比較大或者是不重要的小波系數(shù)；另一種是規(guī)則的，重要的小波系數(shù)。通常情況下小波系數(shù)的分類單元是以小波系數(shù)的絕對值為基礎(chǔ)的，如果圖像信息受到噪聲的干擾比較強(qiáng)烈，則小波系數(shù)的絕對值是趨向于零的。閾值化去噪方法最常用的有兩種，一種是給定硬( 或軟) 閾值進(jìn)行圖像的去噪聲處理, 該方法的去噪效果比較有說服力，因?yàn)樗o定的閾值通常是由某經(jīng)驗(yàn)公式得到；另外一種是通過默認(rèn)閾值進(jìn)行圖像的去噪聲處理, 即在去噪處理時用的閾值是程序中設(shè)定的。對于“硬閾值化”,只有當(dāng)小波系數(shù)的絕對值大于閾值時才對其進(jìn)行保留并且被保留系數(shù)與原系數(shù)相同(沒有被縮減),如

22、 1-4 所示: (1-4)WWWW, 0對于“軟閾值化”當(dāng)小波系數(shù)的絕對值大于閾值時其值用進(jìn)行縮減，當(dāng)小波系數(shù)的絕對值小于閾值時其值歸零，如下所示: (1-5) WWWWW,sgn, 0式中的 sgn( )是符號函數(shù),當(dāng)數(shù)值為負(fù)時其符號是負(fù)，反之，其符號為正；W 表示小波系數(shù)數(shù)值。閾值化處理圖像進(jìn)行去噪時，難點(diǎn)部分是選擇合適的閾值如果其太大, 重要的圖像特征將被濾掉,引起偏差；如果閾值太小，處理后的信號仍有噪聲存在。1.4 圖圖像像質(zhì)質(zhì)量量評評價價方方法法對于一個圖像通信或圖像處理系統(tǒng)而言, 其信息的主體是圖像,所以衡量這個系統(tǒng)的一個重要指標(biāo)就是圖像的質(zhì)量。圖像質(zhì)量評價的研究也成為了圖像信息

23、學(xué)科的基礎(chǔ)研究之一。圖像質(zhì)量評價的典型模型有基于結(jié)構(gòu)相似度的評價模型(Structural Similarity Image Measurement, SSIM)3；基于人類視覺系統(tǒng)(Human Vision System,HVS)圖像質(zhì)量評價模型4,5等。圖像質(zhì)量評價的方法大體上可分為客觀評價和主觀評價方法。主觀質(zhì)量評價方法主要是依據(jù)實(shí)驗(yàn)人員主觀判斷來進(jìn)行圖像質(zhì)量的衡量的；而客觀評價方法依據(jù)模型給出的量化指標(biāo)模擬人類視覺系統(tǒng)感知機(jī)制來進(jìn)行圖像質(zhì)量的衡量的。客觀質(zhì)量評價相對于主觀質(zhì)量評價而言，具有一系列的優(yōu)點(diǎn)，如：成本低，操作簡單，易于解析和嵌入實(shí)現(xiàn)等，正是由于有這些優(yōu)點(diǎn)，客觀質(zhì)量評價方法稱為

24、了圖像質(zhì)量評價的研究重點(diǎn)。其實(shí)在實(shí)際的圖像應(yīng)用中也經(jīng)常利用主觀的評價結(jié)果對客觀質(zhì)量評價模型中的參數(shù)進(jìn)行校正，既主觀評價方法與客觀評價方法相結(jié)合。1.4.1 圖圖像像的的客客觀觀評評價價在圖像的客觀評價方法中根據(jù)對原始圖像信息的依賴程度可對其分為三類，第一類是無參考型，就是不需要原始圖像的任何信息；第二類是部分參考型，就是只需要原始精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)圖像的特征信息；第三類是全參考型，就是需要原始圖像的所有信息。無參考方法即不需要原始圖像的任何信息而直接對目標(biāo)圖像進(jìn)行質(zhì)量評價的方法，其優(yōu)點(diǎn)是不需要原始圖像就能對目標(biāo)圖像進(jìn)行質(zhì)量評價，很大程度上減少了信息的傳輸量，但是此方法仍

25、然有一定的難點(diǎn)，一是圖像特征難以提取并且定義，二是人眼感知難以模擬化表示。部分參考方法6是僅僅利用部分原始圖像的信息來對目標(biāo)圖像進(jìn)行質(zhì)量評價的方法，缺點(diǎn)是算法對提取的特征非常的敏感，特征提取和比較是對部分參考方法性能影響很大的關(guān)鍵因素；但是其具有不可替代的優(yōu)點(diǎn)，即能在減小傳輸數(shù)據(jù)的基礎(chǔ)之上獲得較好的評價效果。部分參考方法可分為基于數(shù)字水印方法7,8，基于原始圖像特征方法9,10等，首先進(jìn)行原始圖像和目標(biāo)圖像的部分信息提取，再對所提取的信息比較進(jìn)而進(jìn)行圖像質(zhì)量的評價。全參考方法的算法特點(diǎn)基本都是數(shù)學(xué)模型，大致可分為基于結(jié)構(gòu)相度的算法，基于像素誤差統(tǒng)計的算法，基于人類視覺系統(tǒng)與其他算法相結(jié)合等，利

26、用原始圖像的全部信息并通過計算其與目標(biāo)圖像的感知誤差，綜合這些誤差得到目標(biāo)圖像質(zhì)量的評價值11。下面介紹一種經(jīng)常使用的逼真度測量，合理的測量方法應(yīng)和主觀實(shí)驗(yàn)結(jié)果一致,而且要求簡單易行。就數(shù)字圖像而言，設(shè)是原始圖像，是失真圖像，逼真度可定義為歸一kjf,kjf,化的均方誤差 NMSE12，如式 1-6 所示： (1-6)1010210102,NJMKNJMKkjfQkjfQkjfQNMSE其中，表示在運(yùn)算逼真度前，為使測量值與主觀評價的結(jié)果一致而進(jìn)行的某種預(yù)處理。Q常用的為，均為常數(shù)。QkjfKKKb,log32bKKK,321對于連續(xù)圖像，設(shè) f（x,y）為一定義在矩形區(qū)域的連續(xù)圖,XxLxL

27、yyLyL像，其失真圖像為，他們之間的逼真度可用歸一化的互相關(guān)函數(shù) K 來表示：yxf, (1-7) xxyXxyyLLLLyyxLLLLyxddyxfddyxfyxfK,2有時峰值均方誤差 PMSE 也被表示成等效的峰值信噪比 PSNR: (1-8)PMSEPSNR10log101.4.2 圖圖像像的的主主觀觀評評價價主觀質(zhì)量評價方法可以分為兩類，第一類是絕對主觀評價方法，第二類是相對主觀評價方法。絕對主觀對圖像進(jìn)行評價的方法是指實(shí)驗(yàn)者在沒有標(biāo)準(zhǔn)參考圖像時，根據(jù)以往對圖像進(jìn)行評價的經(jīng)驗(yàn)或者是某一個已給的評價標(biāo)準(zhǔn)對所給定的圖像進(jìn)行質(zhì)量評價；相對判斷往往比絕對判斷更加準(zhǔn)確12。相對主觀對圖像進(jìn)行

28、評價的方法是指在有標(biāo)準(zhǔn)參精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)考圖像的情況下，實(shí)驗(yàn)者將一批圖像和標(biāo)準(zhǔn)參考圖像進(jìn)行對照，然后由圖像質(zhì)量的高或底進(jìn)行分類排列并對圖像進(jìn)行打分。通俗來講圖像的主觀評價方法就是通過人來觀察圖像,并對其作出主觀評定,然后對做出的評定進(jìn)行統(tǒng)計平均,最終得出評價的結(jié)果，這時評價出的圖像質(zhì)量與觀察者本人及觀察條件等因素有很大的關(guān)聯(lián)。表 1-1 是幾個國家和地區(qū)所采用過的對電視圖像評價的觀察條件。表 1-2 所示是國際上認(rèn)定的對圖像進(jìn)行評價的 5 級妨礙尺度和質(zhì)量尺度。表 1-1 兩種尺度的圖像 5 級評分表 1-2 圖像質(zhì)量主要評價的觀察條件國家英國歐洲德國日本美國推薦值管

29、面亮度（cd/）2m520.5背景亮度（cd/）2m1-2.5-室內(nèi)照度（lux）3-30-1006.5-最高亮度（cd/）2m5041-54504007050對比度-30-視距/面高度64-6686-861.4.3 其其它它評評價價方方法法除了基礎(chǔ)的主觀和客觀圖像評價方法以外,由于應(yīng)用場合的不同和對圖像的質(zhì)量要求不同還有其它一些評價方法，例如,ISO 制定的兩種對于視頻圖像的質(zhì)量評價方法：一是基于任務(wù)的質(zhì)量評價；另一種是基于感覺的質(zhì)量評價。在基于任務(wù)的質(zhì)量評價時，對圖像質(zhì)量的評價結(jié)果判斷主要考慮的是圖像符號的功能，主要是看它是否能正確表達(dá)表達(dá)出一定的功能而不能建立在觀賞的基

30、礎(chǔ)之下去評價它。基于任務(wù)的質(zhì)量評價的一些比較典型的應(yīng)用任務(wù)有表情識別，盲文識別，手寫文件閱讀，表情識別，以及機(jī)器自動執(zhí)行某些工作等13。在基于感覺的質(zhì)量評價時，其基本方法有些和主觀質(zhì)量評價相類似，但是并不是簡單的只對圖像進(jìn)行評價而是同時考慮到聲音等的總的效果，這些其他因素可能會影響到對圖像的質(zhì)量的評價結(jié)果。例如，在金碧輝煌的展覽大廳下，并且配著曼妙的音樂的情況妨礙尺度得分質(zhì)量尺度無察覺5非常好剛察覺4好察覺但不討厭3一般討厭2差難以觀看1非常差精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)下和在又亂又臟的惡劣環(huán)境下人們對一副畫面的感覺可能就會不同。在實(shí)際應(yīng)用中，可以根據(jù)客觀需要，選擇具體的某種方法

31、對圖像質(zhì)量進(jìn)行評價。1.5 論論文文研研究究目目標(biāo)標(biāo)及及結(jié)結(jié)構(gòu)構(gòu)安安排排本論文共分為四部分，第一部分：緒論。介紹了數(shù)字圖像處理技術(shù)的應(yīng)用特點(diǎn)，課題的研究背景及意義，國內(nèi)外研究現(xiàn)狀，圖像噪聲， 圖像去噪方法回顧，以及本論文的研究目標(biāo)及內(nèi)容。第二部分：介紹雙邊濾波理論，包括什么事雙邊濾波，雙邊濾波通過什么方法實(shí)現(xiàn)，有什么優(yōu)勢，對于處理什么樣的噪聲效果最好。第三部分：實(shí)驗(yàn)的結(jié)果分析。包括去噪結(jié)果評價，實(shí)驗(yàn)數(shù)據(jù)，實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)的分析及討論。第四部分：對本論文進(jìn)行總結(jié)。2 雙雙邊邊濾濾波波理理論論2.1 雙雙邊邊濾濾波波定定義義1.雙邊濾波是一種非線性的濾波方法，是結(jié)合圖像的空間鄰近度和像素值相似度的一

32、種折衷處理，同時考慮空域信息和灰度相似性，達(dá)到保邊去噪的目的。具有簡單、非迭代、局部的特點(diǎn)。雙邊濾波器的好處是可以做邊緣保存，一般過去用的維納濾波或者高斯濾波去降噪，都會較明顯地模糊邊緣，對于高頻細(xì)節(jié)的保護(hù)效果并不明顯。雙邊濾波器顧名思義比多了一個高斯方差，它是基于空間分布的高斯濾波，所以在邊緣附近，離的較遠(yuǎn)的像素不會太多影響到邊緣上的像素值，這樣就保證了邊緣附近像素值的保存。但是由于保存了過多的高頻信息，對于彩色圖像里的高頻噪聲，雙邊濾波器不能夠干凈的濾掉，只能夠?qū)τ诘皖l信息進(jìn)行較好的濾波。2.2 雙雙邊邊濾濾波波器器的的設(shè)設(shè)計計2.雙邊濾波是一種可以保邊去噪的濾波器。之所以可以達(dá)到此去噪效

33、果，是因?yàn)闉V波器是由兩個函數(shù)構(gòu)成。一個函數(shù)是由幾何空間距離決定濾波器系數(shù)。另一個由像素差值決定濾波器系數(shù)。雙邊濾波器中，輸出像素的值依賴于鄰域像素的值的加權(quán)組合，如下公式表示 （1-),(),(),(),(lkjiwlkjiwlkfjig9）權(quán)重系數(shù) w(i,j,k,l)取決于定義域核 （1-)222)(2)(exp(),(dljjilkjid10） 精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè) （1-)22),(),(2exp(),(rlkfjiflkjir11） （1-)22),(),(222)(2)(2exp(),(rlkfjifdljkilkjiw12） 濾波前后的圖片對比如下圖所示 圖

34、 2-1 原圖像 圖 2-2 雙邊濾波后圖像 圖 2-3 原圖像 圖 2-4雙邊濾波后圖像精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè) 圖 2-5 原圖像 圖 2-6 雙邊濾波后圖像3 圖圖像像去去噪噪算算法法介介紹紹3.1 中中值值濾濾波波介介紹紹3.1.1 中中值值濾濾波波的的理理論論1.定義中值濾波法是一種非線性平滑技術(shù)，它將每一點(diǎn)的設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的. 濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個鄰域中各點(diǎn)值的中值代替，讓周圍的值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。方法是用某種結(jié)構(gòu)的

35、二維滑動模板，將板內(nèi)按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列。二維濾波輸出為 g（x,y）=medf(x-k,y-l),(k,lW) ，其中,f(x,y)，g(x,y)分別為原始圖像和處理后圖像。W 為二維模板，通常為 2*2，3*3 區(qū)域，也可以是不同的的形狀，如線狀，十字形，圓環(huán)形等。其中中值濾波法對消除非常有效，在光學(xué)測量條紋圖象的分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大。濾波在中,常用于保護(hù)邊緣信息,是經(jīng)典的平滑噪聲的方法。2.中值濾波的特性中值濾波作為一種非線性的濾波方式，所以對于一些隨機(jī)性質(zhì)的噪聲而言，我們想精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專

36、注-專業(yè)通過數(shù)學(xué)分析的方法來研究是非常困難的，我們通過大量的實(shí)驗(yàn)可以得到，對于服從零均值的正態(tài)分布的噪聲，中值濾波輸出與輸入的噪聲的分布是有關(guān)的，對于隨機(jī)噪聲的去噪能力方面，中值濾波的性能要比均值濾波的能力差，但是中值濾波對于脈沖干擾的噪聲而言具有很好的去噪效果，特別是對于那些脈沖寬度小于m/2，相距比較遠(yuǎn)的窄脈沖，中值濾波對于這樣的噪聲具有比較好的效果。3.中值濾波的結(jié)果如圖所示圖 3-1 椒鹽噪聲圖 圖 3-2 中值濾波圖 3-3 高斯噪聲圖 圖 3-4中值濾波精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)圖 3-5 椒鹽噪聲圖 圖 3-6 中值濾波 圖 3-7 高斯噪聲圖 圖 3-8 中值濾

37、波3.2 高高斯斯濾濾波波介介紹紹1.定義 高斯濾波對圖像進(jìn)行處理就是對圖像進(jìn)行加權(quán)平均的一個過程，即是圖像中每一個像素點(diǎn)的值都不是原來的本身的值而是由其本身和其鄰域內(nèi)的其他像素點(diǎn)的值進(jìn)行加權(quán)平均后的值取代的。其具體的操作方法是，用個模板對圖像中的每一個像素值進(jìn)行掃描，然后把取得的某一點(diǎn)和其鄰域內(nèi)像素的加權(quán)平均值代替那一個中心點(diǎn)的值?？偟膩碚f，高斯濾波器是根據(jù)高斯函數(shù)的形狀來選擇其權(quán)值的線性平滑濾波器，高斯濾波是線性平滑濾波的一種，最適合去除的噪聲類型是服從正態(tài)分布的噪聲，例如，高斯噪聲等，在圖像的處理中被廣泛的應(yīng)用。一維零均值高斯函數(shù)為其中決定高斯濾波器 222/xexg的寬度的是；其實(shí)常用

38、的是利用二維零均值離散高斯函數(shù)做平滑濾波器對圖像進(jìn)行處精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)理14。2.高斯濾波的性質(zhì)高斯函數(shù)是單值函數(shù)。此性質(zhì)說明，用高斯濾波器對圖像處理是用某一點(diǎn)像素和其鄰域像素的加權(quán)平均值去替代中心點(diǎn)的像素值，而鄰域內(nèi)某點(diǎn)的權(quán)值大小是和該點(diǎn)距中心點(diǎn)的距離遠(yuǎn)近成正比的，即距離越遠(yuǎn)，權(quán)值越小，距離越近，權(quán)值越大。這樣的性質(zhì)對于圖像處理非常重要，因?yàn)閷τ趫D像的邊緣來說，它是圖像的局部特征，如果在距中心點(diǎn)很遠(yuǎn)距離的鄰域的像素扔有很大的權(quán)值，則平滑運(yùn)算會造成圖像的失真。高斯函數(shù)具有可分離性。正是由于這種可分離性質(zhì)，大高斯濾波器才能有效地被實(shí)現(xiàn)。例如，二維高斯函數(shù)卷積就能通過兩個

39、一維卷積來實(shí)現(xiàn)，首先用一維高斯函數(shù)和圖像卷積運(yùn)算，其次將得到的和方向成 90 度的同一個一維的高斯函數(shù)進(jìn)行同樣的卷積運(yùn)算。因此，二維高斯濾波的計算量隨濾波模板寬度成線性增長而不是成平方增長。旋轉(zhuǎn)對稱性。這種對稱性表現(xiàn)在濾波器對圖像進(jìn)行平滑時即是圖像的不同方向受到的平滑程度不受影響，即其是相同的。在對圖像的邊緣進(jìn)行平滑濾波時，由于邊緣方向一般情況下是未知的，所以，并不能知道哪一個方向需要多少平滑，而此性質(zhì)，就能保證在對圖像進(jìn)行邊緣檢測時高斯濾波器不會偏向某一個方向，即對任意方向平滑程度都是相同的。高斯函數(shù)的頻率譜是單瓣的。由高斯函數(shù)的傅里葉變換還是高斯函數(shù)本身，可以得到高斯函數(shù)的頻率譜是單瓣的這

40、一性質(zhì)。圖像的邊緣特征會同時含有低頻和高頻分量，而圖像卻經(jīng)常受到噪聲等高頻信號的影響。利用此處的性質(zhì)變可以保證圖像被平滑后在保留大部分有用信息的同時又可免于高頻信號影響。高斯濾波器的寬度由參數(shù)表征。越大，其頻帶就越寬，反之，則就越窄。頻帶寬時，平滑平滑程度會比較好些。 選擇適當(dāng)?shù)钠交潭葏?shù)，可以在保留圖像的有用信息即不是太模糊的情況下又能平滑掉由于噪聲帶來的突變值14。3.高斯濾波的結(jié)果如圖所示 圖 3-9 噪聲圖像 圖 3-10 高斯去噪精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè) 圖 3-11 噪聲圖像 圖 3-12 高斯去噪4 雙雙邊邊濾濾波波實(shí)實(shí)驗(yàn)驗(yàn)結(jié)結(jié)果果4.1 結(jié)結(jié)果果圖圖片片 圖

41、 4-1 原始圖像精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè) 圖 4-2 噪聲圖像 圖 4-3 雙邊濾波去噪圖像精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè) 圖 4-4 原圖像 圖 4-5 噪聲圖像精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè) 圖 4-6 雙邊濾波去噪圖像 圖 4-7 原圖像 精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè) 圖 4-8 噪聲圖像 圖 4-9 濾波圖像精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)5 論論文文總總結(jié)結(jié)數(shù)字圖像在獲取、存儲和處理的過程中都不可避免的會受到噪聲的干擾，如高斯噪聲，椒鹽噪聲等，圖像的質(zhì)量因此而降低，濾波的作用就是為了消除圖像中的噪聲，提高圖像質(zhì)量。一個好的圖像去噪方法對于后續(xù)圖像的處理至關(guān)重要，本文從傳統(tǒng)的線性濾波出發(fā)，指出傳統(tǒng)線性濾波在濾除噪聲的同時會使圖像的邊緣信息模糊。