摘 要

在现实生活中，将实际获得的图像进行数字化，并在其传输和处理过程中，不可避免的存在着一定的外部干扰和内部干扰，使用户所获得的数字图像被噪声污染，而这些噪声中椒盐噪声的表现更为明显。为此有大量学者针对椒盐噪声进行研究分析。中值滤波算法以其非线性的特点，在处理椒盐噪声上有显著的效果，因此许多学者针对中值滤波算法进行改进。经典的如加权中值滤波器、开关中值滤波器、自适应中值滤波器等。然而这些滤波器或在保护图像细节上能力不足，或去除噪声效果不佳，或对于高密度噪声无法处理，或过于复杂不便于硬件实现，存在着一定的缺陷。

本文研究了几种典型的滤波算法，通过理论分析与实验仿真，比较其在去噪及保护图像细节各方面的优缺点。在理论和实验的基础上，本文设计了一种基于噪声识别的中值滤波算法。在该算法中，通过设计比较像素点灰度值大小对比机制，对噪声点和非噪声点进行了分析，从而有效的保护了图像细节信息，并大量减少需要处理的像素点，降低算法运行时间。同时对于检测出的噪声点，则采用改进了的中值滤除算法进行噪声滤除。对于高密度噪声，通过调整窗口的大小也能得到有效的处理结果。通过详细的理论分析后，本文基于matlab进行大量仿真实验，验证了这些新方法在噪声去除与细节保留上的有效性。

关键词：图像去噪、椒盐噪声、噪声识别、均值滤波、标准中值滤波滤波

Research on image denosing method based on image local characteristics

ABSTRACT

The acquisition, recording and transmission of digital images through sensors or communication channels are often interfered by different types of noises, which may change the image. Impulse noise is one most common and important kind of noise. Impulse noise removal in image processing is an important pre-processing so that many researchers work on the restoration of images corrupted by impulse noise. Being the most popular nonlinear filter, the median filter is often used to remove impulse noise because of its good denoising power. In that case, many image-denoising filters are proposed based on the median filter, such as the weighted median filter, soft switching filter, adaptive median filter, etc.

In this paper, a new image-denoising filter that is based on several advanced median filter is proposed. There is a two-phase scheme in this new algorithm. In the first phase, an impulse noise detection is used to identify pixels which are likely to be noise candidates. The noise detection has compared the pixels with its vicinity for removal of impulses, so that we can keep most of the signal content of the uncorrupted pixels, and time used for filtering can be reduced by a wide margin. In the second phase, the noise candidates will be filtered by the new filter. Based on the median filter, the proposed filter is superior to some other filters mentioned in this paper not only for smooth pictures but also images that are complicated and have many sharp edges. Being incorporated with variable windows size, our method is also very useful for images with high noise level.

Key Words: image denoising, salt-and-pepper noise, mean filter，adaptive median filter

目 录

1 绪论 1

1.1研究目的及内容 1

1.2国内外研究状况 2

1.3本文各章节的安排 3

2 数字图像的基本概念 5

2.1图像的数字化 5

2.1噪声类型及噪声特性 8

2.2图像质量的评价 10

3 图像去噪的基本研究方法 12

3.1中值滤波 12

3.2均值滤波 13

3.3维纳滤波 15

4 K个近邻的均值滤波算法 18

4.1 K个近邻的均值滤波算法原理 18

4.2K个近邻的均值算法实现 20

4.3几种图像去噪算法的实验结果比较 23

4.4本文算法在不同邻域下的实验结果对比 25

结 论 29

致 谢 30

参考文献 31

1 绪论

1.1研究目的及内容

现实中存在的事物在计算机中是用数字图像（Digital Image）来表示的，这种表示是生动的，相似的。人类在日常生活中最主要的信息载体就在数字图像。简而言之，数字图像其实就是对现实生活中的客观事物的一种表示，只是物体的大量信息被包含其中，现已成为人们获取外界原始信息的主要途径。据研究表明，人类从外界获取的信息主要来自于嗅觉、视觉、听觉，其中来自于视觉的信息约占总和的3/4，说明了图像对于人类信息传递的重要作用。这同时还表明了，图像处理的研究对信息科学邻域的发展是十分重要的。

20世纪80年代以来，世界各国经济的飞速发展，使得计算机科学技术被各个邻域依赖的程度也变得越来越高，计算机科学技术也因此得到了良好的发展机会。于此同时，计算机本身也得到了发展，性价比变得越来越高，处理速度也不断地在上升。这样就慢慢产生的了数字图像处理这一新兴的学科邻域。数字图像处理作为一门交叉学科，是技术向智能化发展富有挑战及前景的邻域，它的应用领域也涉及到人类生活和工作的方方面面。数字图像处理在图像通信，信息安全，生物医学，机器视觉，航天航空技术，工业和工程，军事公安，科学可视化以及文化艺术等邻域的应用已十分普遍，它在各个邻域几乎都带来了巨额的经济收益。例如，数字通信方面的静态JPEG和动态MPEG图像的压缩标准、信息安全方面的指纹识别和人脸识别技术，文化艺术方面的文物资料照片的复制与修复等；这样的例子随处可见。