图像噪声及去噪的研究（终稿）.doc
24页
摘要： 10前言 11图像噪声 21」图像噪声的特点 31.2几种常见的图像噪声 31.3图像噪声模型 42图像去噪 72」均值滤波 82.2中值滤波 92.3小波变换滤波 102.4维纳滤波 112.5形态学滤波 123总结与展望 133」全文总结 133.2展望 13参考文献 14图像噪声及去噪的研究摘要：图像信号在产生、传输和记录过程中，经常会受到各种噪声的干扰，由于其严重地影响 了图像的视觉效果，因此，采用适当的方法减少噪声，是一项非常至要的预处理步骤本文 主要以图像除噪为研究对象，分别对一些常用的图像去噪方法一均值滤波、中值滤波、小波 变换滤波、维纳滤波以及形态学滤波进行了概括和介绍，阐述了这些方法的概念和针对性应 用环境，分析了它们的一些优缺点关键词：图像噪声噪声模型去噪均值滤波中值滤波Image noise and denoising researchAbstract:Image signal in production, transmission and records of process, often there will be various noise interference, because its seriously influenced image visual effect, therefore, adopt appropriate methods to reduce noise, is a very important preprocessing step・ This paper mainly image denoising as the research object, except for some commonly used respectively image denoising method 一 average filtering and median filtering, wavelet transform filtering and summarizes and morphological filtering, the author introduces the concept of these methods and pertinence application environment, analyses some of their advantages and disadvantages・Key words:Image noise noise model denoising average filtering median filtering0前言实际图像在形成、传输的过程中，曲于各种干扰因素的存在会受到噪声的污 染。
图像去噪是图像处理领域中一个重要的分支，它是图像分割、特征提取与目 标识別等图像处理过程的前捉去除图像的噪声也是图像处理过程中的一个重要 环节，其结果直接影响到图像质量和特征提取的精确性现实中由于获取图像的 环境、设备及传输过程存在不确定因素，使得图像受到噪声污染是不可避免的 因此，如何减少共至消除噪声一直是图像处理研究领域的课题Z-O图像分析和 理解的第一步往往就是首先要考虑对噪声的处理随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用 的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途 径然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如 图像分割、目标识别、边缘提取等，所以为了获取高质量数字图像，很有必要对 图像进行降噪处理，尽可能的保持原始信息完整性(即主要特征)的同时，又能 够去除信号中无用的信息山所以，去噪处理一直是图像处理和计算机视觉研究 的热点图像视频去噪的最终目的是改善给定的图像，解决实际图像由于噪声干扰而 导致图像质量下降的问题通过去噪技术可以有效地提高图像质量，增大信噪比, 更好的体现原来图像所携带的信息，作为一种重要的预处理手段，人们对图像去 噪算法进行了广泛的研究。
在现有的去噪算法中，有的去噪算法在低维信号图像 处理中取得较好的效果，却不适用于高维信号图像处理；或者去噪效果较好，却 丢失部分图像边缘信息，或者致力丁•研究检测图像边缘信息，保留图像细节如 何在抵制噪咅和保留细节上找到一个较好的平衡点，成为近年来研究的重点1图像噪声广义而言，噪声是指通过感觉器官理解來自各种信息源的信息时，妨碍其理 解的因素因此，图像噪芦是指使用某种方法从被摄体或信息源把信息传递给受 看者时，如果通过视觉接收平面二维亮度分布，那么对这种接收起干扰作用的亮 度分布就叫图像噪声图像噪声通常用信噪比来量化或描述噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”例 如，一幅黑白图片，其平面亮度分布假定为f(x, y),那么对其接收起干扰作用 的亮度分布R(x, y),即可称为图像噪声⑵但是，噪声在理论上可以定义为“不 可预测，只能用概率统计方法來认识的随机课差”因此将图像噪声看成是多维 随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数但在很多情况下，这样的描述方法是很复杂 的，甚至是不可能的而实际应用往往也不必更。
通常是用其数字特征，即均值 方斧，相关函数等因为这些数字特征都可以从某些方面反映出噪声的特征像噪声的特点图像噪声使得图像模糊，其至淹没图像特征，给分析带来困难图像噪声一般具有以卜特点:(1)噪声在图像中的分布和大小不规则，即具有随机性⑵ 噪声与图像之间一般具有相关性例如，摄像机的信号和噪声相关，黑 暗部分噪声大，明亮部分噪声小乂如，数字图像中的量化噪芦与图像相位相关, 图像内容接近平坦时，量化噪声呈现伪轮廓，但图像中的随机噪声会因为颤噪效 应反而使量化噪声变得不很明显使用光导摄象管的摄像机，信号幅度和噪声幅 度无关而使用超正析摄像机的信号和噪声相关，黑暗部分噪声大，明亮部分噪 声小，在数字图像处理技术中屋化噪声是肯定存在的，它和图像和位有关，如图 像内容接近平坦时，量化噪声呈现伪轮廓，但在此时图像信号中的随机噪声就会 因为颤噪效应反而使量化噪声变得不那么明显3) 噪声具有叠加性在串联图像传输系统中，各部分窜入噪声若是同类噪 声可以进行功率相加，依次信噪比要下降若不是同类噪声应区别对待，而且要 考虑视觉检出特性的影响但是因为视觉检岀特性中的许多问题还没有研究清 楚，所以也只能进行一些主观的评价试验。
⑶1.2几种常见的图像噪声1.2.1加性噪声和乘性噪声按噪声和信号之间的关系，图像噪声可分为加性噪声和乘性噪声为了分析 处理方便，往往将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互 相独立的假定信号为S(t),噪声为n(t),如果混合叠加波形是S(t)+n(t)的形式，则称 其为加性噪声加性嗓声和图像信号强度是不相关的，如图像在传输过程中引进 的“信道噪声”电视摄像机扫描图像的噪声等如果叠加波形为S(t) [l+n(t)]的形式，则称其为乘性噪声乘性噪声则与 信号强度有关，往往随图像信号的变化而变化，如飞点扫描图像中的嗓声、电视 扫描光栅、胶片颗粒造成等1.2.2外部噪声和内部噪声按照产生原因，图像噪声可分为外部噪声和内部噪芦外部噪芦，即指系统 外部干扰以电磁波或经电源宙进系统内部而引起的噪声如外部电气设备产生的 电磁波干扰、天体放电产生的脉冲干扰等由系统电气设备内部引起的噪声为内 部噪声，如内部电路的和互干扰内部噪声一•般又可分为以下四种：⑴由光和 电的基本性质所引起的噪声2)电器的机械运动产生的噪声3)器材材料本身 引起的噪声4)系统内部设备电路所引起的噪声1.2.3平稳噪声非平稳噪芦按照统计特性，图像噪声可分为平稳噪声和非平稳噪声。
统计特性不随时间 变化的噪声称为平稳噪声统计特性随时间变化的噪声称为非平稳噪声⑷1.2.4其它几类噪声量化嗓声是数字图像的主耍噪声源，其人小显示出数字图像和原始图像的差 界，减少这种嗓声的最好办法就是采用按灰度级概率密度函数选择化级的最优化 措施椒盐”噪声：此类嗓声如图像切割引起的即黑图像上的白点，白图像上的 黑点噪声，在变换域引入的误差，使图像反变换后造成的变换噪声等按噪声幅度随时间分布形状來定义，如其幅度分布是按高斯分布的就称其为 高斯噪声，而按雷利分布的就称其为雷利噪声按噪声频谱形状来命，如频谱均匀分布的噪声称为白噪声；频谱与频率成反 比的称为1/f噪声；而与频率平方成正比的称为三角噪声等等根据经常影响图像质量的噪声源又可分电子噪声和光电子噪声电子噪声： 在阻性黠件中由于电子随机热运动而造成的电子噪声是三种模型中最简单的光 电子噪声：光电子噪声是由光的统计本质和图像传感器中光电转换过程引起的1.3图像噪声模型实际获得的图像含有的噪声，根据不同分类可将噪声进行不同的分类从噪 声的概率分布情况来看，可分为高斯噪声、瑞利噪声、伽马噪声、指数噪声和均 匀噪声1.3.1高斯噪声由于高斯噪声在空间和频域中数学上的易处理性，这种噪声（也称为正态噪 声）模型经常被用于实践中。
事实上，这种易处理性非常方便，使高斯模型经常 用于临界情况下高斯随机变量z的PDF由下式给出：!—-exp — — w)~ / 2cr~(1. 1)其中Z表示灰度值，|1表示Z的平均值或期望值，（5表示Z的标准差标准 差的平方称为Z的方差当Z服从式（1.3.1）的分布时候，其值有70%落在 ［（g-Q）,（H+a）］内，且有 95%落在［（心）,（pt+2o）］范围内1.3.2瑞利噪声 瑞利噪声的概率密度函数由下式给出:P(乙)=v -|(^-tz)exp[-(^-tz)2 "卜 ha1 0 z —概率密度的均值和方茅由下式给Hh\ “ = a + J 7tb ] 4[
概率密度函数的期望值和方差是:(1. 7)1.3.5均匀噪声分布均匀噪声分布的概率密度，出卜•式给岀:Q(z)=6Z < Z <其他(1-8)概率密度函数的期望值和方丼可由下式给出:2(b a)?a + b(1.9)121.3.6脉冲噪声（椒盐噪声）（双极）脉冲噪声的PDF可由下式给出:Pa (z = 6/)(1. 10)Ph (z = Z?)O (其他)如果b>a,灰度值b在图像中将显示为一个亮点，相反，a的值将显示为一 个暗点若Pa或Pb为零，则脉冲噪声称为单极脉冲如果Pa和Pb均不可能为 零，尤其是它们近似相等时，脉冲噪声值将类似于随机分布在图像上的胡椒和盐 粉微粒由于这个原因，双极脉冲噪声也称为椒盐噪声同时，它们有时也称为 散粒和尖峰噪声噪声脉冲可以是正的，也可。
