1.3 国内外的研究现状
越来越多的图像处理的专家学者们着手开始做图像降噪滤波技术的探索以 及研究,并且已经提出了多种的图像去噪算法以及多种图像去噪理论。
目前,比较常见的,空间域最简单的图像去噪算法是空间域的均值滤波算法 即均值去噪,除此之外比较常见的空间域去噪算法还包含有:中值滤波算法、自 适应滤波算法、基于偏微分方程去噪算法以及基于秩一阶的滤波算法。
传统的中值滤算法的缺点是:不可以参照图像的局部特征对应相适应的处理 算法,而是对整幅图像使用了同一的算法进行去噪。根据这一现状,众图像算法 研究专家花费大量时间精力进行研究,提出了各自研究领域的自适中值滤波算法。
表 1-1 国外中值滤波的发展
研究专家学者 所提出的对应算法 提出算法的特征性
Loupas 等 自适应的加权的中值滤波法 缺点:噪声模型的精确度不 够,细节部分的图像损失较
大
HUANG 等 分层次的中值滤波算法 将窗口自适应与椒盐噪声检
测相结合
刘杰平 中值滤波算法 参照在图像中的比例不同的 各个子模块噪声点的特征而 选择不同的滤波窗口
近几年,国内图象去噪领域专家学者所获得了相应的中值滤波成果:文献综述
表 1-2 国内中值滤波的发展
研究专家学者 所提出的对应算法 提出算法的特征性
朱其刚 加权中值滤波(自适应领 域下的超声图像)
加权滤波算法(针对超声图像 领域)
域滤波:在频域内对图像系数进行处理处理和分析。
表 1-3 两种滤波的比较
图像滤波分类滤波 滤波算法的特性比较
空间域滤波 一般的空间域滤波算法,可以有效的区分由 噪声部分产生的高频部分和信号的高频部 分。 滤除了高频噪声的同时也将会丢失高频的 图像信号,从而造成了图像的失真,图像将 会变得平滑。
频域滤波 能够有效减少由噪声引起的高频部分以及信 号的高频部分,可以减少空间域滤波失真的 缺点。
现在,对于空间域滤波图像失真的问题的处理方法:先图像进行频域变换, 当频域系数处理完之后,进行逆变换,此时处理后的图像相比于普通的空间滤波 可以有效地解决图像失真的问题[2]。
傅里叶变换以及小波变换: 在传统领域中的傅里叶变换能够从频域以及空间域两个角度对含噪图像进
行去噪处理。傅里叶变换在图象去噪处理中一般应用于:分析智能化数字化系统、 分析卷积滤波器、深度剖析噪声以及采样点的分析。
傅里叶变换的特征包含有:对称性、线性和频移特性以及时移特性。缺点为, 只可以输出所有时间的频率特性,不能够应用于波动信号处理。因此针对处理不 稳定信号,提出了小波理论。
小波去噪理论能够相对精确地定位时域和频域,处理傅里叶变换对于不稳定 信号处理的缺陷问题。来!自~751论-文|网www.751com.cn
近几年来,有很多专家学者进行了小波去噪的探索和研究,将小波理论完善