- 上一篇：基于光谱稀疏性分析的若干高光谱图像解混算法实现与比较
- 下一篇：调和函数的性质及应用+文献综述
目前图像处理技术需要解决的问题主要有图像变换、图像平滑、图像分割、图像复原和增强等。
图像变换技术是将图像从某一类域通过映射的方法变换到另一类域，变换后的图像性质良好，易于处理和分析，常用的技术有傅里叶变换和小波变换等。图像平滑技术是将图像中所含噪声抑制，保留原图像的主要信息，本文后面章节重点讨论了几种图像去噪模型。图像分割就是把图像划分成许多具有独特性质的、且不重叠的区域，每一个区域都是像素的一个连续集合[7]。通常采用基于区域特征和边界特征的分割方法。图像在处理前的采集和传输过程中会造成图像质量的一定退化，数字化后图像的视觉效果不佳。为了使图像的结构信息更加完善，需要改进图像的质量，即图像增强。例如改变亮度，提高对比度，去掉模糊和噪声，调整色彩分布以及修正几何畸变等；图像复原也叫做图像恢复，是在假设已知模糊或噪声的模型时，试图提取较为清晰的原始图像的一种恢复技术。主要有频率域和空间域两种方法。
1.2.3 图像处理效果的评价
图像处理效果的评价方法有两种，分别是主观评价和客观评价。
图像主观评价是通过随机选取一些人分别对处理前和处理后的图像进行主观的打分，比较两次分数得出图像的改善程度。[8]这种评价方法只能从一定程度上反映处理前后图像的质量改变，而且人为的主观性较强，跟选择的人的视觉差别有关，结果不确定。
客观评价也可分为两种，一种是有参考图像的评价方法，对原图像和去噪后的图像进行客观的比较，通常采用的评价指标是均方误差（MSF）、信噪比（SNR）和峰值信噪比（PSNR）[9]。设 为原始图像， 为去噪后的图像。
均方误差的表达式为：（1.1）
信噪比的表达式为： （1.2）
峰值信噪比的表达式为： （1.3）
另外一种是无参考图像的评价方法，即没有原始图像。无参考图像的信噪比评估方法的原理是先估计图像噪声方差的大小，计算峰值信噪比，然后根据噪声方差和峰值信噪比的大小估计出信噪比提高数；处理后图像的峰值信噪比与原图像的峰值信噪比相减后就是估计的信噪比提高数。