資源描述：
《數(shù)字圖像處理中去噪算法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)UDC密級(jí)1934{38b學(xué)位論文數(shù)字圖像處理中去噪算法的研究作者姓名：陳大力指導(dǎo)教師：薛定宇教授東北大學(xué)信息學(xué)院人工智能與機(jī)器人研究所申請學(xué)位級(jí)別：博士學(xué)科類別：工學(xué)學(xué)科專業(yè)名稱：模式識(shí)別與智能系統(tǒng)論文提交日期：2008年05月論文答辯日期：2008年07月學(xué)位授予日期：割耀量員△捕：吳破農(nóng)彭豬受評閱人：關(guān)威東彰翻炙高立砰款授東北大學(xué)2008年05月，II■l■■■IrlI●●●—■■●l—111●／刪煳燃ADissertationfortheDegreeofDoctorinPatternRecognitionandIntelligentSystemsResearch
2、onDe-—noiseAlgorithmsinDigitalImageProcessingbyChenDaliSupervisor：ProfessorXueDingyuNortheasternUniversityMay2008嘧{r一I●獨(dú)創(chuàng)性聲明·葉本人聲明，所呈交的學(xué)位論文是在導(dǎo)師的指導(dǎo)下完成的。論文中取得、l，0的研究成果除加以標(biāo)注和致謝的地方外，不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包括本人為獲得其他學(xué)位而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：際大力．阻日期：29秒六7．莎l-學(xué)位論文版權(quán)使
3、用授權(quán)書本學(xué)位論文作者和指導(dǎo)教師完全了解東北大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定：即學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人同意東北大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索、交流。作者和導(dǎo)師同意網(wǎng)上交流的時(shí)間為作者獲得學(xué)位后：半年口一年口一年半口學(xué)位論文作者簽名：陳大力簽字日期：2叩曩．7．礦兩年導(dǎo)師簽名：簽字日期：9丙0gr，噸少．?！觥瘛獵九l東北大學(xué)博士學(xué)位論文摘要數(shù)字圖像處理中去噪算法的研究摘要在信息時(shí)代數(shù)字圖像處理已經(jīng)成為人們獲取復(fù)雜信息的重要手段，在一定程度上拓展了人類的視覺。在眾多領(lǐng)域得到了廣泛應(yīng)用，取得了
4、巨大的社會(huì)效益和經(jīng)濟(jì)效益，因此，圖像處理技術(shù)的相關(guān)研究和應(yīng)用無論從理論上還是從實(shí)踐上都具有重要意義。在數(shù)字圖像處理中，圖像去噪是在獲取圖像后的瓶頸環(huán)節(jié)，其處理的效果將直接影響到后續(xù)環(huán)節(jié)的性能。因此，研究有效的圖像去噪算法，改善去噪性能，對提高整個(gè)圖像處理系統(tǒng)的性能至關(guān)重要。本文深入分析了開關(guān)中值去噪算法、模糊加權(quán)均值去噪算法和基于熵的去噪算法等主流算法的主要特點(diǎn)，針對其存在的缺陷開展研究工作，提出了四種新的去噪算法，從理論和實(shí)驗(yàn)兩方面論證了算法的有效性。主要研究工作內(nèi)容如下：(1)通過大量文獻(xiàn)的分析，綜述了國內(nèi)外的相關(guān)研究，分析了各種算法的特點(diǎn)和存在的問題，介紹了所需的相關(guān)理
5、論基礎(chǔ)。(2)在開關(guān)中值去噪算法的理論框架基礎(chǔ)上，提出了基于相關(guān)性雙閾值開關(guān)中值去噪算法，并針對該算法的參數(shù)調(diào)整問題，提出了一種參數(shù)自調(diào)整策略，實(shí)現(xiàn)了算法參數(shù)的自動(dòng)優(yōu)化調(diào)整，有效地抑制了椒鹽噪聲。(3)針對模糊加權(quán)均值去噪算法權(quán)值估計(jì)較為復(fù)雜的問題，提出了一種基于像素差的單值模糊推理(PDSVF)模型，該模型能夠?qū)?quán)值估計(jì)過程簡化為一種加權(quán)平均形式，極大地簡化了權(quán)值估計(jì)過程，為模糊加權(quán)均值去噪算法的權(quán)值估計(jì)提供了一種有效手段。在該模型基礎(chǔ)上提出了兩種去噪算法：一種是針對混合噪聲的模糊加權(quán)均值去噪算法，該算法采用灰度差的校正值作為模型的輸入，在不增加推理復(fù)雜度的情況下，保證了算
6、法對混合噪聲的抑制性能；另一種是基于噪聲檢測的模糊加權(quán)均值去噪算法，該算法使用了噪聲檢測環(huán)節(jié)和像素裁減環(huán)節(jié)，實(shí)現(xiàn)了對輸入量有效篩選，提高了權(quán)值估計(jì)的精度，對椒鹽噪聲和混合噪聲都具有很好的抑制效果。(4)在分析圖像特征的基礎(chǔ)上，定義了一種圖像特征空間的構(gòu)造方式，將Parzen窗密度估計(jì)方法應(yīng)用于該空間，提出了基于圖像特征空間的Parzen窗密度估計(jì)方法，并針對該密度估計(jì)方法中窗函數(shù)的選擇問題，提出了一種有效的選擇策略，為窗函數(shù)的選擇提供了依據(jù)。在以上研究基礎(chǔ)上，將信息熵與圖像去噪技術(shù)相結(jié)合，提出了基于Parzen窗估計(jì)和熵下降準(zhǔn)則的無監(jiān)督圖像去噪算法，從理論上證明了該去噪算法的
7、本質(zhì)特征是一種迭代的自適應(yīng)加權(quán)均值去噪算法，并論證了該算法與自適應(yīng)平滑和bilateral濾波算一II一，，一_‘一東北大學(xué)博士學(xué)位論文摘要法的內(nèi)在聯(lián)系。(5)對論文各章進(jìn)行了總結(jié)和展望，總結(jié)了論文取得的創(chuàng)新性成果，并分析了今后的研究方向。關(guān)鍵詞：數(shù)字圖像處理；圖像去噪：開關(guān)中值去噪；模糊加權(quán)均值去噪；模糊推理模型；圖像特征空間；Parzen窗估計(jì)；熵東北大學(xué)博士學(xué)位論文AbstractResearchonDe--noiseAlgorithmsinDigitalImageProcessingAbstra
