图像去噪方法.doc

(完整版)图像去噪方法(完整版)图像去噪方法(完整版)图像去噪方法常见图像去噪方法概括总结：一：空间域去噪方法空域滤波是在原图像上直接进行数据运算，对像素的灰度值进行处理。(1）邻域平均法、中值滤波、低通滤波、均值滤波等（2)偏微分方程去噪方法偏微分方程是近年来兴起的一种图像处理方法，主要针对低层图像处理并取得了很好的效果.偏微分方程具有各向异性的特点，应用在图像去噪中，可以在去除噪声的同时，很好的保持边缘。偏微分方程的应用主要的一类是一种是基本的迭代格式,通过随时间变化的更新，使得图像向所要得到的效果逐渐逼近，以及对其改进后的后续工作。该方法在确定扩散系数时有很大的选择空间,在前向扩散的同时具有后向扩散的功能，所以，具有平滑图像和将边缘尖锐化的能力。偏微分方程在低噪声密度的图像处理中取得了较好的效果，但是在处理高噪声密度图像时去噪效果不好，而且处理时间明显高出许多。（3）变分法（变差法）去噪方法另一种利用数学进行图像去噪方法是基于变分法的思想,确定图像的能量函数，通过对能量函数的最小化工作,使得图像达到平滑状态，现在得到广泛应用的全变分TV模型就是这一类。这类方法的关键是找到合适的能量方程，保证演化的稳定性，获得理想的结果.（4）形态学去噪方法将开与闭结合可用来滤除噪声，首先对有噪声图像进行开运算，可选择结构要素矩阵比噪声尺寸大，因而开运算的结果是将背景噪声去除；再对前一步得到的图像进行闭运算，将图像上的噪声去掉。据此可知,此方法适用的图像类型是图像中的对象尺寸都比较大，且没有微小细节，对这类图像除噪效果会较好。二：变换域去噪方法图像变换域去噪方法是对图像进行某种变换,将图像从空间域转换到变换域，再对变换域中的变换系数进行处理，再进行反变换将图像从变换域转换到空间域来达到去除图像嗓声的目的.将图像从空间域转换到变换域的变换方法很多，如傅立叶变换、沃尔什-哈达玛变换、余弦变换、K—L变换以及小波变换、Contourlet变换等.而傅立叶变换和小波变换则是常见的用于图像去噪的变换方法。三：空间域与变换域协同滤波方法（1）非局部方法去噪例如BM3D方法：主要是三大步骤：相似块分组(Grouping）是在空间域，协同滤波（CollaborativeFiltering）在变换域，最后一步聚合（Aggregation）回到空间域.(2）偏微分方程去噪方法与BM3D结合进行去噪.BM3D方法噪声水平增高时，去噪性能快速下降，运算量大.该方法在三维块匹配滤波后产生的子带往往误差较大，可利用小波分解与方向扩散方程进行修正，以达到去噪的目的。（3）偏微分方程去噪方法与小波变换结合进行去噪通过研究离散小波变换与偏微分方程的关系相关性，利用扩散方程对小波分解系数进行处理,达到去噪目的。（4）广义高斯分布结合小波分解，以非局部思想进行去噪图像进行小波分解后得到了3个方向的细节子带，子带中分别包含水平方向、垂直方向和对角方向的边缘等结构信息，使用非局部平均的思想对3个子带进行滤波,滤波过程中采用高斯加权的欧氏距离进行小波系数相似度的衡量,从而得到相似性更好的图像块,可以更好地保留图像的结构信息，最终更好地去除噪声。（5)BM3D方法结合小波变换方法去噪对含噪图像进行小波分解后，采用三维块匹配算法（BM3D）将其中的高频分量进行去噪处理，用处理后的结果进行小波重构得到去噪图像。该方法既减少了运算复杂度，又利用了BM3D方法优秀的去噪性能。（6）变分去噪方法结合小波变换方法去噪进行小波变换后,在小波空间中采用变分方法进行优化，再进行重构得到去噪图像.该方法将小波分解与图像的几何信息联系起来,同时复杂度不高。(7）形态学滤波方法结合小波变换方法去噪该方法对噪声图像先进行形态滤波再进行小波阈值滤波。其思想是：态滤波可以有效地提取信号的边缘轮廓以及信号的形状特征，特别是对脉冲信号的干扰处理有着很好的效果。而小波阈值去噪对于高频信号抑制有着明显的效果,能够有效地滤除随机噪声，但对脉冲干扰的滤除效果不佳。该方法结合了两者优点，实现了二者优势互补。