低復雜度非局部均值與卡爾曼濾波的圖像去噪方法研究.pdf

1、隨著信息時代的快速發(fā)展，信息的交換和傳輸也變得越來越方便。在各種信息傳遞途徑中，圖像傳輸是一種既直接又方便的途徑。一幅無噪聲污染的圖像，能夠使使用者對于其中所包含的信息一目了然。但不幸的是，在圖像的傳輸過程當中，都會不同程度被各種噪聲所污染，這些噪聲有的來自傳輸設備自身，有的是其他干擾源。受到噪聲干擾的圖片，不僅其信息準確度大大下降，而且也給后期的圖像處理帶了很大的麻煩。因此，圖像的降噪處理作為獲取圖像信息的基礎就變得尤為重要。

2、　　本文在幾種傳統(tǒng)的降噪方法的基礎之上，重點介紹低復雜度非局部均值與卡爾曼濾波的圖像去噪方法研究，本文取得的主要成果及創(chuàng)新點以下:
　　1.根據(jù)傳統(tǒng)非局部均值方法上存在的算法效率低、選擇權重函數(shù)、圖像相似塊兒的選取、如何加速非局部均值算法，同時保持或者提高降噪性能等等一些不足，并且對非局部均值降噪方法進行深入研究的基礎上，本文提出了基于MCMC采樣改進的非局部均值圖像降噪方法，從降噪效果和運行速度兩個方面對傳統(tǒng)非局部均值方法進行了

3、改進。由仿真結果可知，基于MCMC采樣改進的非局部均值方法降噪結果比傳統(tǒng)的非局部均值降噪方法及其他常用的降噪方法更好，還有利用傳統(tǒng)的非局部均值法處理后圖像的平滑程度較大，反而本文提出的非局部均值改進法大大的降低了處理后圖像的平滑程度。另外，本文提出方法的計算復雜度對比于傳統(tǒng)非局部均值方法與其他具有類似去噪性能的方法來說更低。此外，本文提出的方法相比于傳統(tǒng)的非局部均值方法及其他常用降噪方法，本文提出的方法在峰值信號的信噪比(PSNR)以及

4、平均結構相似度(SSIM)指標上都有著很不錯的表現(xiàn)。
　　2.使用卡爾曼濾波方法來圖像降噪，因為卡爾曼濾波方法引入了狀態(tài)空間和狀態(tài)變量的概念，而其算法采用遞推性算法，因此，可以適用平穩(wěn)與非平穩(wěn)過程，這就解決了其他估計方法的限制性困難。仿真結果表明，卡爾曼濾波方法可以明顯的減弱了原始圖像上噪聲，并且有效的解決了圖像濾波必然伴隨的模糊細節(jié)問題，相比于其他傳統(tǒng)的去噪方法，卡爾曼濾波算法有好的降噪效果，而其對原始圖像中的一些線條，點和邊緣

5、的細節(jié)信息保護的很好，幾乎沒有損失。另外，通過使用NSHP模型來大大的降低了計算量。因為使用NSHP模型來描述圖像簡單，并且能抓住圖像的主要特征，是經(jīng)過圖像信息之間的相關性來傳遞圖像信息的變化，并且在NSHP模型中，當前像素的更新區(qū)域僅僅考慮一定范圍內的像素區(qū)域，而忽略了距離比較遠的像素的影響。這樣就能得到比較為準確及實用的有用信息，并且會大大的降低了卡爾曼濾波更新中的計算量。
　　3.本文還設計了一個基于MATLAB/GUI的卡