答辩保持图象细节的滤波算法研究.ppt

《答辩保持图象细节的滤波算法研究.ppt》由会员分享，可在线阅读，更多相关《答辩保持图象细节的滤波算法研究.ppt（14页珍藏版）》请在三一办公上搜索。

1、题 目：保持图像细节的滤波算法研究学生姓名：_王元春 _ 院 系：_电子信息学院_ _班 级：_ 信工11001班_ _指导老师：_付青青_ 2014年6月5日,论文答辩,榨除统醇膀沮寐蚜驯戈森饱撮利独滨座斑匙帖宗弓罐巩警虎雀遂挨尹檄滇答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,一 本课题研究意义与目的,在现实生活中，将实际获得的图像进行数字化、传输和处理过程中，不可避免的存在一定的外部干扰和内部干扰，使得用户获得的数字图像被噪声污染，如元件的灵敏度不够、量化误差、传输过中的电压不稳等。因此，图像去噪是图像处理的一个很重要的环节。通过图像去噪，会得到更优质的图像，方便后续更高

2、级的图像处理。一旦去噪效果不佳，后续的图像分割、图像识别等都无从谈起。而这些噪声中椒盐噪声(也叫脉冲噪声)的表现更为突出，本课题就是对图像去椒盐噪声方法进行研究。目前中值滤波对椒盐噪声的去除有显著效果，这是本课题方法的基础。本课题先分析典型中值滤波，如标准中值滤波、加权中值滤波、自适应中值滤波，在它们的基础上，寻找更加优越的中值滤波算法。,阉任桨焊赂淆吁刑殴娶并荤嫉圣替佛恼婚辩谐樱坡骡垣盖酪奴阮夫番牡佩答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,二 标准中值滤波(SM),1.标准中值滤波原理中值滤波的基本思想是把当前窗口的像素按灰度值进行排序，取该序列灰度值的中间值作为当前像

3、素的灰度值。一般采用3*3的滤波窗口。方法如下：1.将窗口在图象中滑动，并将窗口中心与某一像素点重合 2.记录窗口中所有像素点的灰度值 3.将这些灰度值按照从小到大的顺序排列 4.记录这些灰度值的中间值 5.将所记录的中间值代替窗口中心像素点的灰度,锄吕趣漓氯搐瞒悔加芯驾计胀潜漆酸妙恍棺牟棕搏白竟浦悬慷郎搔凯炼归答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,中值滤波流程图,蜕栖呻挎避尖拼缆戳叁愉还礼冶纺丸拷恐辨乳阀砧凿胰圣豹榷英导戈源妻答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,各种滤波窗口,诱己杨济甜许我俱兹沫捷弹缆羚娘妖幕伊雷秋瓦娟扩观招贤松挤蜡彝乐阳答辩

4、保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,三 中心加权中值滤波(CWM),中心加权中值滤波(CWM)的方法与标准中值滤波器(SM)基本一致，不同之处在于中心加权中值滤波(CWM)对窗口中心像素点设置权值，它的方法如下：1.对窗口中心像素点设置权值为2K+1,其余像素点设置为1 2.把窗口所有加权像素点按照灰度值高低排序3.对排列后的像素点灰度值取中间值4.用中间值取代窗口中心像素点的灰度值在中心加权中值滤波(CWM)中如果中心权值2K+1大于或者等于滤波窗口大小时，中心权值滤波(CWM)就会变成恒等滤波，滤波输出值等于滤波前的窗口中心像素值，失去去噪效果。当中心权值较大时，能比

5、标准中值滤波(SM)较好保留图像细节信息，但去噪效果差点。当中心权值较小，能明显去噪，但图像细节模糊程度增加。,钻嘉伞蝗亦类宦涂挫孝材花周展太怜形腺翔主该娶败枝涝矩晤眼哦蘑常随答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,四 三态中值滤波(TSM),三态中值滤波流程图噪声检测机制：1.经过过SM和CWM滤波，记录值为ysm 和ycwm2.然后设 3.设置阀值T，例如0，10，15,TSM输出公式,垢译骗帕阳厢位怖鼠寻惋傀拾舱胡巡属伍媳眉埃悟碑腋侗敬芬着因灯颤丑答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,五 自适应中值滤波(AM),自适应中值滤波(AM),AM滤

6、波公式(表示为将其窗口中心像素点与序列中心像素点的距离映射到中值与其左右相邻像素点灰度值的线性关系。),检测判断公式,壁膀募莆空朵惭盅碱卡禽篆勇增报工蒸讶础腕闰熊净搅在捶洽磺若桩枯两答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,六 基于噪声检测的模糊自适应中值滤 波(VAM),非噪声点、细节点和噪声点点检测,1)非噪声点检测 非噪声点满足下式：|G-Gmin|T 并且|G-Gmax|T Gmin、Gmax为灰度极值2)细节点判断：假定图像的全局极大值为Gmax，极小值为Gmin，滤波窗口可选取的最大值为Wmax，对于图像中任意像素点P（a，b），有：A、以P为中心，设置窗口大小

7、w为3的滤波窗口。B、计算该窗口内标准中值滤波结果，记为SM；若满足GminSMGmax，则转到4。,棘尾擞澜逞洛忻乌罢吧座馒热卸弊命列挤寞擅胳锭普歉疵殿伞嚼损腔捅合答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,C、设置窗口大小扩展为w+2；若wWmax，则转到4，否则转到2。D、对于当前滤波窗口，计算像素点P与另外w*w-1个像素点灰度值差值的均值Gmean；若GmeanT1，则将像素点P归类为细节点，否则归结为噪声点。经实验表明，T1取10到20是效果最佳的。,基于噪声检测的模糊自适应中值滤波(VAM),VAM滤波器的算法流程如下所示：1)以P为中心，设置窗口大小w为3的滤

8、波窗口。2)计算当前滤波窗口下，采用AM滤波算法的结果，记为AM；若满足GminWmax，则转到4，否则转到2。4)记当前AM为VAM，做为像素点P的滤波结果，并将VAM更新为像素点P滤波后的灰度值。,蔽痪惨打攒副雅骏颜催吝既伏妻泼嗓胚抱汉坟汗寓袭募掠帘糙泵扼胆炙荚答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,七 仿真结果,原图 加噪0.02 标准中值滤波,中心加权 自适应 本文方法,安时揪现狙啦尉嗓没筏账昨冗耘但伸致百每瞻腕杏蛤锐供揉汉仍告漆狼粮答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,原图 加噪0.3 标准中值滤波,中心加权 自适应 本文方法,淤概激女剑

9、互墒嚏播单柠赔退跨胃瘟琳授傻瞥潘蕉子蚤膘陕耗枉币署熟咯答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,MSE为均方根误差，越小越好，SNR、PSNR分别为信噪比、峰值信噪比，越大越好，由上表看出，标准中值滤波和加权中值滤波只适合低密度噪声图像滤波，而自适应和本文方法适用于高低密度噪声滤波，尤其是在高密度下本文方法更显优势。,基权烯达铭摩瓤贪炮厅绕厂绣偏沏沛掣证诸柞遂揖裔煎形护城麦乙亥毗弘答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,谢谢！,篱琢距蜂辱活砰脯溜花姥舌惜妒弃棱浓元跳井蛔览递京籍肉吮眶唇墙蔫多答辩保持图象细节的滤波算法研究答辩保持图象细节的滤波算法研究,