数字图像处理的件.doc

第五章数字图像的预处理技术 5.1图像退化模型与噪声分类 5.2图像噪声的空间域滤波方法 5.2.1针对加性噪声的空间域滤波方法 (1)自适应均值滤波器 2．自适应中值滤波器 3．自适应梯度倒数加权滤波器 5.2.2空间域滤波方法的MATLAB实现 5.3图像空间域滤波新方法探索 5.3.1中值滤波算法的研究 1 噪声检测 2基于数据逼近和细节保护规则函数的凸面代价函数与噪声恢复 3方法性能的仿真实验评价 5.3.2均值滤波算法的研究 1基于RADON变换的图像主纹理方向分析 2概率统计模型 3方法性能的仿真实验评价 5.4周期噪声与频域滤波 5.5小波滤波 5.5.1 小波域去噪模型 5.5.2阈值的估计 5.5.3小波滤噪的MATLAB实现 5.6偏微分方程图像去噪 5.7边缘检测 5.7.1边缘检测的梯度算子 1Roberts算子 （5-116） 2 Prewitt算子 3 Sobel算子 4 LOG算子 5 Canny算子 5.7.2基于梯度算子的边缘检测MATLAB编程 5.7.3Hough变换与线检测 第五章数字图像的预处理技术 数字图像的预处理技术是图像处理与分析的基础，其处理结果对后序图像的处理与分析结果有非常大的影响。图像的预处理技术主要包括图像复原、图像增强两种操作，图像复原是通过使用退化现象的先验知识试图重建或恢复一幅退化图像，主要包括几何畸变的修正、图像滤噪等，本书在第三章介绍了几何畸变的修正的基本内容。本章主要介绍图像滤噪的相关内容。图像增强是根据图像处理或分析的主要目标，以增强图像中相关的部分信息为主要目标的操作，主要包括图像锐化、边缘检测及基于图像直方图的图像增强等。在第三章介绍了基于图像直方图的图像增强技术。本章主要介绍图像图像锐化、边缘检测的相关内容。 5.1图像退化模型与噪声分类 在图像生成与传输过程中，由于成像系统与通讯信道各种因素的影响，可能使图像质量降低。这种图像质量的降低，被称之为“退化”。图像模糊、失真、附加噪声等都是图像退化的典型表现。图像复原是利用退化过程的先验知识使已被退化的图像恢复本来的面目，从而改善图像的质量。图像复原可以看成是退化的逆过程，因此了解图像的退化是进行图像复原的基础。一般来说，图像的退化过程可以描述为如下的数学表达式： (5-1) 式中，是原图像，是综合退化因子，是退化后的图像。通常，图像可以表示成： (5-2) 式中，是像素点的特征函数，为冲击响应。为了简化问题，假定成像系统是线性的。实际上，一般情况下，退化因子对图像的各个像素点所产生的影响是相同的，呈现出线性的规律。这样，式(5-2)可以表示为： (5-3) 令，称为成像系统的冲击相应，也叫做点扩散函数(PSF)。若成像系统是线性移不变系统，则退化图像可以用和的卷积表示如下： (5-4) 此外，如果受到加性噪声的干扰，则图像的退化模型可表示为[见图5.1]： (5-5) 如果噪声类型为乘性噪声，则图像的退化模型可表示为： (5-6) 从数学上来说，图像退化是卷积运算和加噪运算的组合，如果可以施行去卷积和去噪声的操作，退化的图像就可以复原[见图2.1]。由此图像滤噪是图像复原的重要手段。 图5.1 图像退化模型 噪声可以理解为不可预测，只能用概率统计方法来认识的随机误差，因此将图像噪声看成是多维随机过程是合适的，描述噪声完全可以借用随机过程及其概论分布函数。图像噪声按其产生的原因可分为内部噪声与外部噪声；从统计特性可分为平稳噪声与非平稳噪声，平稳噪声统计特性不随时间变化，而非平稳噪声统计特性是时间的函数；按噪声与信号的关系可分为加性噪声与乘性噪声。基于前面的假设，所关心的空间噪声描述符是上面所提及模型的噪声分量灰度值的统计特性。它们可以被认为是由概率密度函数（PDF）表示的随机变量，下面是图像处理常见的噪声分布类型。 5.1.1数字图像常见的噪声 数字图像常见的噪声分布类型有Gaussian噪声分布、瑞利噪声分布、伽马（厄兰）噪声、指数分布噪声、对数正态分布噪声、脉冲噪声分布等。一般来说，高斯噪声可以近似描述在低照明水平图像传感器成像产生的噪声，椒盐噪声可以模拟不完备的开关设备产生的噪声，瑞利噪声产生于波段成像，而指数与伽马（厄兰）噪声可以描述激光成像产生的噪声。照像乳胶中的银粒大小产生的噪声可以用对数正态分布噪声描述。图5.2给出了Lena图