图像处理综述.docx

图像噪声分类及去噪方法综述2013552070 王跃洋数字图像中，噪声主要来源于图像的获取或传输过程成像传感器的性能受 各种因素的影响，如图像获取过程中的环境条件和传感元器件自身的质量例如, 在使用CCD摄像机获取图像时，光照水平和传感器温度是影响结果图像中噪声 数量的主要因素图像在传输中被污染主要是由于传输信道中的干扰例如，使 用无线网络传输的图像可能会因为光照或其他大气因素而污染图像噪声的分类图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人 们对其信息接受的因素很多时候将图像噪声看成是多维随机过程，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 数图像噪声是多种多样的，其性质也千差万别，所以了解噪声的分类是很有必 要的一.按产生的原因分类1 .外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声如电气设 备，天体放电现象等引起的噪声2 .内部噪声，一般有四个源头：a）由光和电的基本性质所引起的噪声如电流的产生是由电子或空穴粒子的 集合，定向运动所形成因这些粒子运动的随机性而形成的散粒噪声；导体中自 由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传 输，而光量子密度随时间和空间变化所形成的光量子噪声等。

b）电器的机械运动产生的噪声如各种接头因抖动引起电流变化所产生的噪 声；磁头、磁带等抖动或一起的抖动等c）器材材料本身引起的噪声如正片和负片的表面颗粒性和磁带磁盘表面缺 陷所产生的噪声随着材料科学的发展，这些噪声有望不断减少，但在目前来讲, 还是不可避免的d)系统内部设备电路所引起的噪声如电源引入的交流噪声；偏转系统和箝 位电路所引起的噪声等这种分类方法有助于理解噪声产生的源头，有助于对噪声位置定位，对于降 噪算法只能起到原理上的帮助2 .按噪声频谱分类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3 .按噪声与信号的关系分类L加性噪声：加性嗓声和图像信号强度是不相关的，如运算放大器，信道噪声电视摄像机扫描图像的噪声的，这类带有噪声的图像g可看成为理 想无噪声图像f与噪声n之和；2.乘性噪声：乘性嗓声和图像信号是相关的，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，由于载送每一个象素信息的载 体的变化而产生的噪声受信息本身调制在某些情况下，如信号变化很小，噪声 也不大为了分析处理方便，常常将乘性噪声近似认为是加性噪声，而且总是假定信 号和噪声是互相统计独立。

四.按概率密度函数(PDF)分类1 .高斯噪声：在空间域和频域中，由于高斯噪声(也称为正态噪声)在数学上 的易处理性，这种噪声模型经常被用于实践中高斯随机变量Z的PDF有下式给出：p(z)=占产-为修v2jtg其中，Z表示灰度值，表示Z的均值，表示Z的标准差标准差的平方 成为Z的方差2 .瑞利噪声：瑞利密度对于近似偏移的直方图十分适用瑞利噪声的PDF由下式给出：/2海）=卜包-觌--）z>a,0 z < a概率密度和均值和方差由z = a + V 冗 b/4b(4 —it)给出3 .伽马（爱尔兰）噪声爱尔兰噪声的PDF有下式给出：心-，_= Ub-l）!e M/Z-a （0 z < a其中，参数a>0,b为正整数，并且“！ ”表示阶乘其概率密度的均值和方差由bz =- a和,bb=rcr给出4 .指数分布噪声指数噪声的PDF可由下式给出：P（Z）= < 八 n[0 z<0其中a>0概率密度函数的期望值和方差是：5 ,均匀分布噪声均匀噪声分布的概率密度，由下式给出:ci三乙三b其他概率密度函数的期望值和方差可由下式给出:2俗一『b = 126.脉冲噪声（椒盐噪声）：双极脉冲噪声也称为椒盐噪声，有时也称为散粒和 尖峰噪声。

双极）脉冲噪声的PDF可由下式给出：Pa（乙=〃（z） = < Pb（N.=b） （ 1. 10）O （其他） V.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，也可以是负的标定通常是图像数字化过程的一部分 因为脉冲干扰通常与图像信号的强度相比较大，因此，在一幅图像中，脉冲噪声 总是数字化为最大值（纯黑或纯白）这样，通常假设a, b是饱和值，从某种意义 上看，在数字化图像中，它们等于所允许的最大值和最小值由于这一结果，负 脉冲以一个黑点（胡椒点）出现在图像中由于相同的原因，正脉冲以白点（盐点） 出现在图像中对于一个8位图像，这意味着a=0（黑）b=255（白）这种分类方法由于引入数学模型，就有助于运用数学手段去除噪声图像去噪的方法图像噪声在数字图像处理技术中的重要性越来越明显，如高放大倍数航片的 判读，X射线图像系统中的噪声去除等已经成为不可缺少的技术步骤。

图像去噪 算法可以分为以下几类：（1）空间域滤波空域滤波是在原图像上直接进行数据运算，对像素的灰度值进行处理常见 的空间域图像去噪算法有邻域平均法、中值滤波、低通滤波等2）变换域滤波图像变换域去噪方法是对图像进行某种变换，将图像从空间域转换到变换 域，再对变换域中的变换系数进行处理，再进行反变换将图像从变换域转换到空 间域来达到去除图像嗓声的目的将图像从空间域转换到变换域的变换方法很 多，如傅立叶变换、沃尔什-哈达玛变换、余弦变换、K-L变换以及小波变换等 而傅立叶变换和小波变换则是常见的用于图像去噪的变换方法3）偏微分方程偏微分方程是近年来兴起的一种图像处理方法，主要针对低层图像处理并取 得了很好的效果偏微分方程具有各向异性的特点，应用在图像去噪中，可以在 去除噪声的同时.，很好的保持边缘偏微分方程的应用主要的一类是一种是基本 的迭代格式，通过随时间变化的更新，使得图像向所要得到的效果逐渐逼近，以 及对其改进后的后续工作该方法在确定扩散系数时有很大的选择空间，在前向 扩散的同时具有后向扩散的功能，所以，具有平滑图像和将边缘尖锐化的能力⑶ 偏微分方程在低噪声密度的图像处理中取得了较好的效果，但是在处理高噪声密 度图像时去噪效果不好，而且处理时间明显高出许多。

4）变分法另一种利用数学进行图像去噪方法是基于变分法的思想，确定图像的能量函 数，通过对能量函数的最小化工作，使得图像达到平滑状态，现在得到广泛应用 的全变分TV模型就是这一类这类方法的关键是找到合适的能量方程，保证演 化的稳定性，获得理想的结果5）形态学噪声滤除器将开与闭结合可用来滤除噪声，首先对有噪声图像进行开运算，可选择结构 要素矩阵比噪声尺寸大，因而开运算的结果是将背景噪声去除；再对前一步得到 的图像进行闭运算，将图像上的噪声去掉据此可知，此方法适用的图像类型是 图像中的对象尺寸都比较大，且没有微小细节，对这类图像除噪效果会较好其中常用的图像去噪的方法一般有以下几种，现详细分析如下：均值滤波均值滤波器是一种消除图像噪声的线性处理方法这种方法的基本思想是用 几个像素灰度的平均值来代替每个像素的灰度均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板， 该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个 滤波模板，即去掉目标象素本身）再用模板中的全体像素的平均值来代替原来 像素值均值滤波采用的主要方法为领域平均法线性滤波的基本原理是用均值代替 原图像中的各个像素值，即对待处理的当前像素点(X, y),选择一个模板，该 模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前 像素点(x, y),作为处理后图像在该点上的灰度个g (x, y),即g (x, y) =l/m Ef (x, y), m为该模板中包含当前像素在内的像素总个数。

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 噪声是暗噪声还是痛噪声，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均值滤波器是一种典型的线性去噪方法，因为其运算简单快速，同时乂能 够较为有效地去除高斯噪声因而适用面较广，至今仍是一种常用的去噪方法， 许多滤除噪声方法都是在此基础上发展而来其缺点是严重破坏了图像的边缘， 模糊了图像中值滤波中值滤波是常用的非线性滤波方法，也是图像处理技术中最常用的预处理技 术它在平滑脉冲噪声方面非常有效，同时它可以保护图像尖锐的边缘标准中值滤波算法是将窗口内所有像素值比较其大小后，依次排列，然后取 其中值置换窗口中心像素值以邻域为3*3的中值滤波为例，g(x,y)与9个像素 点的灰度值有关，即 f(x-l,y-l), f(x-l,y) , f(x-l,y+l), f(x,y-l), f(x,y), f(x,y+l),f(x+l,y-l), f(x+l,y) , f(x+l,y+l) g(x,y)取这 9 个数中大小排第 5 位的 那个值。

假设这9个值分别为(10,20,20,20,15,20,20,25,100 ),经过排序后为 (10,15,20,20,20,20,20,25,100 )所以结果为排行第5的那个数20 ,就把这个数 赋给 g(x,y)o滤除噪声的性能：中值滤波是非线性运算，因此对随机性质的噪声输入，数 学分析是相当复杂的对于零均值正态分布的噪声输入，中值滤波输出与输入噪 声的分布密度有关，输出噪声方差与输入噪声密度函数的平方成反比对随机噪 声的抑制能力，中值滤波比均值滤波要差些但对于脉冲干扰来讲，特别是脉冲 宽度小于滤波窗口长度之半，相距较远的窄脉冲，中值滤波是很有效的对某些信号的不变性：对于某些特定的输入信号，中值滤波输出信号保持与 输入信号相同，所以相对于一般的线性滤波器比如均值滤波，中值滤波能更好的 保护图像细节中值滤波的频谱特性：由于中值滤波是非线性运算，在输入与输出之间的频 率上不存在一一对应的关系，故不能用一般线性滤波器频率特性分析方法采用 总体实验观察法，经大量实验表明，中值滤波器的频率响应与输入信号的频谱有 关，呈现不规则波动不大的曲线，中值滤波频谱特性起伏不大，可以认为信号经 中值滤波后，频谱基本不变。

中值滤波去除脉冲噪声的效果很好，然而抑制噪声和保持图像中的细节往往 是一对矛盾，也是图像处理中尚未很好解决的问题所以保护细节的中值滤波的 研究成为非线性滤波器研究的一个重要方面中值滤波器在算法设计上使与周围像素灰度值相差较大的点处理后能与周 围的像素灰度值比较接近，因此可以衰减随机噪声，尤其是脉冲噪声等，并且在 处理时不是简单的取均值，产生的模糊要少的多，即中值滤波既能消除噪声，还 能保持图像中的细节部分，防止边缘模糊但是，中值滤波中的模板形状单一， 只能处理。