高強(qiáng)度噪聲條件下邊緣保持的圖像濾波和分割方法研究.pdf

1、近年來(lái)，數(shù)字圖像處理技術(shù)被廣泛應(yīng)用于工業(yè)、醫(yī)學(xué)、航空等多個(gè)領(lǐng)域，具體應(yīng)用場(chǎng)合包括機(jī)器人視圖、細(xì)胞分類(lèi)、人臉識(shí)別、遙感圖像分析等。由于多種原因，圖像在獲取和傳輸?shù)倪^(guò)程中經(jīng)常會(huì)被噪聲污染，從而導(dǎo)致后續(xù)的圖像處理算法性能下降。因此，如何在高強(qiáng)度噪聲條件下，對(duì)受污染圖像進(jìn)行有效的圖像處理是個(gè)亟待解決的問(wèn)題。本文圍繞高強(qiáng)度噪聲情況下圖像濾波和圖像分割問(wèn)題展開(kāi)研究，力圖設(shè)計(jì)出有效的圖像濾波算法和圖像分割算法，從而在去除噪聲的同時(shí)盡可能保持圖像的邊緣

2、細(xì)節(jié)信息。
　　本研究主要內(nèi)容包括：⑴針對(duì)現(xiàn)有圖像濾波算法往往無(wú)法在抑制噪聲的同時(shí)保持圖像細(xì)節(jié)邊緣信息的缺點(diǎn)，提出了基于alpha截?cái)嗪瓦吘壭畔⒈３值膱D像濾波算法。該算法采用對(duì)多種類(lèi)型噪聲效果較好的α截?cái)酁V波進(jìn)行初步噪聲去除，并將僅截?cái)嗵幚砗蟮膱D片作為指導(dǎo)圖片，建立該指導(dǎo)圖片和濾波目標(biāo)圖片之間的局部線性模型，構(gòu)造出具有邊緣保留特性的權(quán)值。該算法既能有效地去除多種類(lèi)型的噪聲，又能保留邊緣信息，在人工圖片和真實(shí)圖片上的實(shí)驗(yàn)結(jié)果證明了所

3、提出算法的有效性。⑵針對(duì)現(xiàn)有基于模糊C均值的圖像快速分割算法無(wú)法處理彩色圖像的缺點(diǎn)，提出了適用于高強(qiáng)度噪聲情況下的彩色圖像快速分割算法。該分割算法定義了彩色空間中鄰居像素與中心像素的相似性度量，并利用該相似性對(duì)彩色值進(jìn)行修正，在此基礎(chǔ)上采用量化技術(shù)將RGB彩色空間的級(jí)數(shù)從256*256*256降到216級(jí)，最后使用快速模糊C均值對(duì)量化之后的彩色圖像進(jìn)行分割。在人工圖片和真實(shí)圖片上的實(shí)驗(yàn)結(jié)果表明，該算法具有更高的分割正確率和更低的時(shí)間復(fù)雜

4、性。⑶非局部圖像分割方法通過(guò)度量圖片塊間相似性來(lái)辨別具有相同結(jié)構(gòu)屬性的像素，因此該類(lèi)方法的時(shí)間復(fù)雜度較高;基于局部信息的圖像分割方法利用局部空間鄰域像素信息來(lái)影響每個(gè)像素的歸類(lèi)，因此該類(lèi)方法忽略了非局部像素的影響。針對(duì)上述方法的缺點(diǎn)，提出了基于非局部和局部相似性的圖像分割方法。該算法通過(guò)將局部信息和非局部信息進(jìn)行結(jié)合，設(shè)計(jì)出新的相似性度量，并通過(guò)自適應(yīng)參數(shù)控制兩者在相似性度量中所占比例，然后使用快速模糊C均值對(duì)灰度圖像進(jìn)行分割。實(shí)驗(yàn)在人