| 查看: 2293 | 回复: 33 | |||
| 当前主题已经存档。 | |||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||
[交流]
【求助】有关图象去噪
|
|||
|
最近想做点有关图象去噪的，各位能提供点信息吗？如国内外都做到什么程度了，目前的去噪热点和难点在哪 或者别的什么信息，谢谢哈 新虫金B不多，送2个以表心意 [ Last edited by gjliu on 2009-5-11 at 13:31 ] |
回复此楼» 猜你喜欢
323求调剂
已经有6人回复
-
一志愿北京化工大学 070300 学硕 336分 求调剂
已经有4人回复
-
352求调剂
已经有3人回复
-
一志愿东华大学化学070300，求调剂
已经有8人回复
-
277材料科学与工程080500求调剂
已经有7人回复
-
317求调剂
已经有18人回复
-
293求调剂
已经有5人回复
-
280分求调剂 一志愿085802
已经有7人回复
-
0854电子信息求调剂
已经有3人回复
-
263求调剂
已经有4人回复
9楼2009-04-21 23:29:05
★ ★ ★
ljl1205(金币+2,VIP+0):欢迎交流 10-19 09:16
yw7986(金币+1,VIP+0):谢谢交流 10-19 21:34
ljl1205(金币+2,VIP+0):欢迎交流 10-19 09:16
yw7986(金币+1,VIP+0):谢谢交流 10-19 21:34
|
1、噪声的产生及分类: 噪声是图象干扰的重要原因。一幅图象在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。根据噪声和信号的关系可将其分为三种形式: (f(x,y)表示给定原始图象,g(x,y)表示图象信号,n(x,y)表示噪声。) 1) 加性噪声,此类噪声与输入图象信号无关,含噪图象可表 示为f(x,y)=g(x,y)+n(x,y),信道噪声及光导摄像管的摄像机扫描图 象时产生的噪声就属这类噪声; 2) 乘性噪声,此类噪声与图象信号有关,含噪图象可表示为f(x,y)=g(x,y)+n(x,y)g(x,y),飞点扫描器扫描图象时的噪声,电视图象 中的相干噪声,胶片中的颗粒噪声就属于此类噪声。 3) 量化噪声,此类噪声与输入图象信号无关,是量化过程存 在量化误差,再反映到接收端而产生。 2、去除图象噪声的方法简介: 2.1 均值滤波器 采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图象中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半径成正比。 几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。 谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。 逆谐波均值滤波器更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果。 2.2 自适应维纳滤波器 它能根据图象的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2=E[(f(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。 2.3 中值滤波器 它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图象的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图象不宜采用中值滤波的方法。 2.4 形态学噪声滤除器 将开启和闭合结合起来可用来滤除噪声,首先对有噪声图象进行开启操作,可选择结构要素矩阵比噪声的尺寸大,因而开启的结果是将背景上的噪声去除。最后是对前一步得到的图象进行闭合操作,将图象上的噪声去掉。根据此方法的特点可以知道,此方法适用的图像类型是图象中的对象尺寸都比较大,且没有细小的细节,对这种类型的图像除噪的效果会比较好。 2.5 小波去噪 这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤: (1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。 这几年小波方法发展比较迅速 金币就不用给我了，留着给别人或者其他答案，欢迎常来信息科学版！  [ Last edited by bslt on 2009-4-16 at 16:59 ] |
2楼2009-04-16 16:53:30
★ ★ ★ ★
bslt(金币+2,VIP+0):感谢交流，欢迎常来信息科学版！ 4-16 17:39
dugu_ke(金币+1,VIP+0):很详细啊，我也正准备做小波方面的，谢谢回答啊 4-21 23:25
yw7986(金币+1,VIP+0):谢谢交流 10-19 21:35
bslt(金币+2,VIP+0):感谢交流，欢迎常来信息科学版！ 4-16 17:39
dugu_ke(金币+1,VIP+0):很详细啊，我也正准备做小波方面的，谢谢回答啊 4-21 23:25
yw7986(金币+1,VIP+0):谢谢交流 10-19 21:35
|
楼上说的很好，就目前来看，图像去噪还是一个难点。 除了楼上说的方法以外，还有： 1、基于稀疏分解方法的图像去噪。主要的原理是：我们认为自然图像通常是稀疏的，通过稀疏分解后的稀疏成分，我们认为是图像内容，其他为噪声。稀疏分解有优势，但也有缺点，比如原子库的构造是个问题，为了去噪好，原子库越全越好，越大越好，但是计算复杂度和空间复杂度非常高。 2、基于水平集的去噪方法。这个具体不是很懂，可以参考以下网站 http://www.math.ucla.edu/~sjo/ 3、关于小波我再补充一点，现在的小波分析发展的非常快，方法也很多，效果咋样就的作者自己研究了，比如有曲波，脊波等等，以及其他一些超小波。 |
3楼2009-04-16 17:27:52
yishuipang
铁杆木虫 (职业作家)
- 应助: 47 (小学生)
- 金币: 5720.3
- 散金: 273
- 红花: 23
- 帖子: 4549
- 在线: 486.1小时
- 虫号: 458628
- 注册: 2007-11-13
- 专业: 信息处理方法与技术
4楼2009-04-17 08:24:54
