引言
人类可以通过视觉、听觉、触觉、味觉等多种方法获取外界信息，但绝大部分(约80%)是通过视觉接收外界信息，即所谓的“百闻不如一见”。因此，在当代高度信息化的社会中，图形和图像在信息传播中所起的作用越来越大，在图像处理领域，数字图像处理得到了飞速发展。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。由于噪声干扰的存在，因此，就必须对含噪图像进行处理，改善图像质量，最大程度上显现信号本身的特点。根据噪声的频谱分布规律和统计特征以及图像的特点，出现了多种多样的去噪方法。经典去噪方法有：均值滤波器、中值滤波器、低通滤波器、文纳滤波器、最小失真法等[1]。这些方法广泛应用，促进数字信号处理的极大发展，显著提高了图像质量。近年来，小波变换去除噪声的方法得到广泛的应用。本文来自辣%文&论*文-网，
毕业论文 www.751com.cn 加7位QQ324~9114找原文
1.图像噪声
1.1图像噪声的来源
在研究图像去噪方法前，我们有必要了解一下噪声的一些特性，经常影响图像质量的噪声可分为以下三类[8]：
(1)敏感元器件内部产生的高斯噪声。这是由于器件中的电子随机热运动而造成的电子噪声，一般用零均值高斯白噪声作为其模型。
(2)光电转换整个过程中的泊松噪声。这类噪声是由光的统计本质和图像传感器中光电转换整个过程引起的，在弱光照的情况下常用具有泊松分布的随机变量作为其模型。
(3)感光整个过程中产生的颗粒噪声。在显微镜下检查可发现，照片上光滑细致的影调，在微观上出现的是随机的颗粒性质。在大多数情况下，颗粒噪声可用高斯白噪声作为有效模型。
1.2常见的图像噪声
根据不同的分类方法，图像噪声可分为不同的种类。按其产生的原因可以分为外部噪声和内部噪声；按其从统计理论观点可以分为平稳和非平稳噪声；按噪声幅度随时间分布形状可分为高斯噪声和雷利噪声；按其频谱形状可分为白噪声、1/f噪声和三角噪声；按噪声和信号之间的关系可分为加性噪声和乘性噪声。但是，在图像噪声中，我们经常讨论研究的主要是高斯噪声、椒盐噪声和SPECKLE噪声。
1.2.1高斯噪声
高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声包括热噪声和散粒噪声。
1.2.2椒盐噪声
椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。它包括两种噪声，一种是盐噪声（salt noise），另一种是胡椒噪声（pepper noise）。盐=白色，椒=黑色。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈现在图像上就是黑白杂点。
1.2.3SPECKLE噪声
斑点噪声是SAR成像系统的一大特色，源自基本分辨单元内地物的随机散射，在图像上表现为一种颗粒状的、黑白点相间的纹理，它既降低了图像的画面质量，又严重影响图像的自动分割、分类、目标检测以及其它定量专题信息的提取。
上一页 [1] [2] [3] [4] [5] 下一页
基于Matlab的图像去噪算法仿真(图像噪声滤除研究) 第2页下载如图片无法显示或论文不完整，请联系qq752018766
