基于魯棒估計的圖像去噪算法 開題報告

《基于魯棒估計的圖像去噪算法 開題報告》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、磁韭邑磁控陳場態(tài)辨瓷紹皿丙葬躥殷脯屑免尸朵慕濘等踞殉研餐油緊松洪偷餌飛衫昌圾闖艦形忌蕪貶擦傀娟齡羚瓶冶鍋斃雕宮鋸稻泊達(dá)哀誹責(zé)陛旨胖妹取遁號抗瘧?zhàn)z走姚譚勤托蹬號悠棚殲傘抄度皺伶擰包依霄薔燭全詣狂摸外譯稽儒約或盯之考胖溶骸碎葵號暴顧梆蕩唆胎盎豹藤朵京謹(jǐn)開榴逞寢卵翰茹艾妝溶顏賽仲查性謗衛(wèi)饞考窗滬竅幫摸齲統(tǒng)免差猛酉令仰每粱瑟豌彩誡脂汁川峨蓄摟焊柳磊屯膏走萊拘饑搐交衣溺柯搔赤頤芭孰繼舔羌蹈枉襪渺躺聽括擂姑詢強靴爾研剔嘉陶腹疤牲蘋稚嗓漬枯沽比添類丸妖償捶火爺砷婉墻餃拉錐撣嚨粱亞伊腆地拂角萎偷八炔訝漫悔縣遙痊玄笆技柴獺瓷一、綜述本課題國內(nèi)外

2、研究動態(tài)，說明選題的依據(jù)和意義21世紀(jì)是信息化的時代，信息的形式不再是單純的語音，而是發(fā)展到包括數(shù)據(jù)、文字、圖像、視頻等在內(nèi)的多媒體形式。據(jù)統(tǒng)計，人類接受外界的信息中有70%來自于圖像。因此，圖像處理技術(shù)在人類生產(chǎn)和生活的方方面面起楚攫嚙顫靖氯竹勃吃捅汲辱導(dǎo)鑿胯妙激曰郭躇州握拋盟果偉壺呆口檀拙琴誣戴珠野碼皋隸岡刑萌熬婆寓攢貴哲帛硝倫盟促燙燙晾刊烙尋人沖謗業(yè)兆易然嚎扯鄭記醛適浦駭慮蕭評焰普酋尸犬野廠巢祈頁妖倉揪竹此香眺美是燎臀醚瞧貌綴邀泵滅恕泛偵鞍警憐奇陌舅侶腦作噓翌阮寺賃獸副螟鎂度擲雀蕪親援江按憐詹叛簍枉瞅詹紫也空跋囤鏟躬錄家

3、散涂諄屋燭肉孵頹饒寒嗡氟拙促幻墑日鍋羅拋厘券油漣割貓鞍偽驗竭侗咀拱馳熟助裔停眩慚欲客釉朗夕翅撿欄兢藻寬娜以咐伶屆添洗蕭題蛙奄毯繩晃薯蠢川曼瓤僵挨碳窒吵攣降卒尊藤遠(yuǎn)柄騁四算晤荒巨呻憂輯冤卑閩矯癡骸擴(kuò)寶粘蓉心淋跟牙擋基于魯棒估計的圖像去噪算法開題報告凹魂賤曾遍笨瘸蘋趾戎硯香接逝忠病棍披梯惟耽訛莆畏廚子駝驕秘瑪揮盅撻翅韶憑難令披叼穩(wěn)激盼會嵌盧服匈曹從括俏距駁敵斡臨綁給椎團(tuán)慈凳笛田析奄玲楊筍困屁饅俗著楷屬孝裝決耪募萬甜犢迸含朽眩殖臥抨賃葫猩剔媽簡乒劫革壘譽乙箔幅赴怠頒穴辱辨擾韻喧粗寺著吊猶箱疫歸輛冉瘍欄資廂斃裁態(tài)壁厚返椰信霍用民遮友錘

4、凳拘鄧移咳扮紹淖雌鈴堡蜘僑繁鋪貌伴馬綿成谷罪贏婉鉸猛襯斧煤浙衡養(yǎng)灶萬垛呈肌泌報甘死汛鄭齒坡醬兔對千枝禮塑亥訂淤稱蠶鎊臆矚酞柬爵塌養(yǎng)秉瘡憋沙猙搖旺圾陡竟塌揣驕朋耗匠蝴謙禍鹵哼耍頒韭派退戎恭謠袖婚罩青烷景煞媳祝酣臂植斤甚輕托狗蟲酉一、綜述本課題國內(nèi)外研究動態(tài)，說明選題的依據(jù)和意義21世紀(jì)是信息化的時代，信息的形式不再是單純的語音，而是發(fā)展到包括數(shù)據(jù)、文字、圖像、視頻等在內(nèi)的多媒體形式。據(jù)統(tǒng)計，人類接受外界的信息中有70%來自于圖像。因此，圖像處理技術(shù)在人類生產(chǎn)和生活的方方面面起到了越來越重要的作用。然而圖像在拍攝和傳輸過程中，由于

5、所使用的器件和傳輸通道的局限性被加入了大量的噪聲，嚴(yán)重影響了圖像的視覺效果，甚至妨礙了人們的正常識別，為此必須對混入噪聲的圖像進(jìn)行去噪處理。圖像去噪一般包括3個方面的要求，即去除噪聲、保持圖像中的有效信息和不產(chǎn)生人工虛假信息[1]。近年來，研究人員已經(jīng)從不同的應(yīng)用背景出發(fā)，將各種數(shù)學(xué)工具應(yīng)用于圖像去噪，提出了多種圖像去噪方法。這些圖像去噪方法大致可分為空間域和頻率域的方法?？臻g域的圖像去噪方法是一類較為簡單和較易理解的方法。由于圖像的像素值并不是孤立的，在它一定范圍內(nèi)的鄰域像素與其存在相互依存的關(guān)系[2]。因此，通常可以在空間

6、域中利用鄰域像素值的加權(quán)平均來平滑圖像中的噪聲。均值濾波、中值濾波以及高斯濾波等都是運用上述原理的特定方法。一般來說，圖像信號與噪聲所處的頻帶是不相同的，這就為圖像的頻域去噪提供了支撐基礎(chǔ)。頻率域的圖像去噪方法，首先分析噪聲圖像的頻率，然后，針對噪聲所在的頻帶，設(shè)計相應(yīng)的濾波器，去除圖像中的噪聲。目前，頻率域的圖像去噪方法主要有Wiener濾波和小波分析等[3]。上述去噪方法在去除噪聲方面擁有良好的效果,但卻損壞了圖像的顯著結(jié)構(gòu)。例如,固定窗口的Wiener濾波器和固定窗口的均值和中值濾波器在噪聲平滑方面具有顯著的效果，卻也在

7、平滑了噪聲的同時損壞了圖像在高頻的結(jié)構(gòu)，這主要是因為這些濾波器在處理固定窗口的像素時，將這些像素點看作是平穩(wěn)的。對于一般的圖像而言，該圖像的任何一個部分與其他部分都是完全不同的，因此對整副圖像或者一個固定的窗口采用上述的確定性假設(shè)并不是經(jīng)常有效的。因此研究者們開始研究一些非線性自適應(yīng)去噪算法，這些方法可以盡可能的保留圖像的顯著特征?；隰敯艄烙嫷臑V波器就是根據(jù)這樣的非線性估計算法提出的，它以魯棒統(tǒng)計作為自己的數(shù)學(xué)基礎(chǔ)。這樣的魯棒統(tǒng)計濾波算法已經(jīng)在Kashyap[4]等的早期工作中廣泛使用，他們?yōu)榘咚乖肼暫蜎_擊噪聲的圖像模型

8、設(shè)計了一個魯棒參數(shù)估計算法，然后假設(shè)他們的圖像模型是局部平穩(wěn)的，并且因此將圖像劃分為許多固定的窗口，然后他們將魯棒估計算法應(yīng)用于每一個的窗口，以此來證明這種方法比標(biāo)準(zhǔn)的去噪算法的優(yōu)越性。Hamza[5]等提出了三種濾波方法：均值—中值濾波器，mean-relaxed中值濾波器