基于阈值的数字图像去噪的算法研究

提出了一种基于阈值的数字图像去噪算法。该算法根据椒盐噪声的特点,通过设置阈值,当待处理像素点的灰度值与该点周围像素点的均值的差小于阈值时,该像素点不作处理,否则就用该点周围像素点的均值代替该点的值。同时,研究分析了图像去噪最佳阈值与图像的平均值、方差、熵以及复杂度之间的关系,以便为快速寻找最佳阈值提供理论根据。实验仿真表明,与其他去噪算法相比,该算法既能较好地去除噪声,同时不会使图像变得模糊。

数字图像去噪算法原理及应用

在现在信息化时代,视觉信息占人类获取信息的80%-90%,数字图像作为视觉信息中重要的一环,通过图像处理可以帮助人们了解信息的内涵。然而,在数字图像产生、传输和获取过程中不可避免的会受到噪声干扰,使得图像质量降低,数字图像的去噪处理变得越来越重要。本文详细介绍了数字图像的噪声来源及其数学模型,解释不同去噪算法机理,包括均值滤波、中值滤波、小波去噪等,通过仿真实验比较不同算法优缺点。对图像去噪技术在生物医学和航空航天领域进行具体描述,并对未来的数字去噪算法进行了一定程度的展望。

基于多尺度的去噪方法研究

在图像增强、分割、识别处理等环节,图像去噪即图像增强显得尤其重要。怎么样在去除噪声的同时有效地保留下图像细节部分一直都是研究的重难点。在本文中,我们首先介绍了常用的中值滤波,均值滤波,维纳滤波,高斯滤波的图像去噪方法,然后介绍了具有良好的时频特性和多分辨率性的小波变换。但是小波变换不具备多方向性,为了能有效地实现图像的多分辨率的、多方向的、局部的特征提取,又利用图像几何本质的特征,新提出的Contourlet变换去噪解决了这一难题。