关键字 |
| 图像修复模型,图像噪声模型,维纳滤波器,伪逆滤波器,逆滤波器 |
介绍 |
| 视觉信息传播形式的数字图像已经成为现代通信的主要方法,但后获得的图像传输与噪声经常损坏。之前接收到的图像需要处理可用于应用程序。图像去噪是图像数据的操纵产生视觉上高质量的图像。这篇文章给了我们一个简短的了解各种图像去噪方法。使用MATLAB 7.8.0数值计算已经完成。 |
| 图像去噪领域的常用摄影或出版一个图像在某种程度上降低但需要改进,才能打印出来。对于这种类型的应用程序,我们需要知道一些关于退化过程,为了开发一个模型。退化的过程,当我们有一个模型的逆过程可以应用于图像恢复回原来的形式。 |
各种来源的噪音图像 |
| 介绍了噪声图像时图像采集或传播。不同的因素可能负责图像中引入噪声。损坏的图像中像素的数量将决定的量化噪声。数字图像中噪声的主要来源有: |
| 一)成像传感器图像采集期间可能受到环境条件的影响。 |
| b)光线不足的水平和传感器温度可能会引入噪声在图像。 |
| c)干扰的传输通道也可能腐败的形象。 |
| d)如果扫描仪屏幕上的尘埃颗粒存在,他们还可以引入图像中的噪声。 |
类型的噪声 |
| 波动造成的噪声在图像的像素的亮度和色彩信息。噪声是一个扭曲了的过程获得的图像和不是一个原始图像的一部分。噪声在图像可以发生在许多方面。在图像采集过程中光信号被转换成电然后被转换为数字信号。在每个转换噪声添加到图像的过程。图像在传输过程中也可以成为嘈杂的图像以数字信号的形式。噪音的类型有: |
| 1。高斯噪声2。椒盐噪声 |
| 3所示。散粒噪声(泊松噪声)4。散斑噪声 |
图像去噪技术 |
| 一个图像噪声通常是在收购和传播。图像去噪是用来去除加性噪声,同时保留尽可能多的重要信号特性。近年来已经有大量的研究小波对信号去噪阈值和阈值选择[1],[2],因为小波提供了适当的基础分离噪声信号的图像信号。的动机是,随着小波变换擅长能源压实,小系数更可能是由于噪声和大系数由于重要的信号特征。这些小的系数可以阈值而不影响图像的重要特征。 |
| 阈值是一个简单的非线性技术,运营一个小波系数。在其最基本的形式,每个系数阈值对阈值进行比较,如果小于阈值的系数,设置为0;否则它保存或修改。更换小噪声系数由0和逆小波变换结果可能导致重建与必要的信号特征和低噪音。 |
| 其他方法包括过滤方法目标的滤波方法有: |
| *在统一的地区有效地抑制噪声。 |
| *保护边缘和其他类似的图像特征。 |
| *提供一个自然的视觉外观。[3] |
| 线性和非线性去噪的重要性:图像去噪在图像处理是非常重要的任务分析的图像。可以线性以及非线性去噪方法其中线性方法是不够快,但是他们不保护图像的细节,而非线性方法保留图像的细节。一般来说,去噪滤波器可以在以下类别分类:1)平均滤波器2)次序统计滤波器自适应滤波器。 |
| 自适应滤波器:自适应滤波器正在改变行为的基础上,静态图像的特征区域,包含过滤器的地区。自适应滤波器将提供良好的稳定性和效率由于反馈系数的算法。 |
| 反滤波:逆滤波器是一个直接的图像恢复方法。如果我们知道图像退化系统的确切psf模型,忽略噪声的效果,可以恢复退化图像使用逆滤波器。 |
 |
维纳滤波器: |
| 维纳滤波器的目的是过滤掉噪声损坏的一个信号。这个过滤器是基于统计的方法。大部分所有的过滤器是专为一个理想的频率响应。维纳滤波器的滤波图像从一个不同的观点。 |
| 维纳滤波器的目标是尽可能地减少了均方误差。这个过滤器可以减少噪音和有辱人格的功能。一个方法,我们认为我们有知识的噪音和原始信号的谱性质。我们使用了线性时不变滤波器使输出的原始信号尽可能相似。[3] |
维纳滤波器的特点是: |
| 一个假设:信号和附加噪声是平稳linear-random过程已知的光谱特性。 |
| b.Requirement:维纳滤波器必须物理上可实现的,也可以是因果关系。 |
| c。性能标准:有最小均方误差(MSE)。的傅里叶域中维纳滤波器 |
 |
结果 |
| 采取一个测试图像,是受到点扩散函数来降低图像经过病房自适应线性滤波器应用于退化图像的恢复图像,计算评估NCC的保真度标准和PSNR &ISNR。在这个计算回归分析将能够更好地了解哪个方法更好的计算效率的算法。 |
| Objectative富达标准:对于比较原始图像和图像恢复,我们计算参数: |
 |
 |
结论 |
| 在现代数字世界,电子行业推出的电子产品更好的特性,通过提供更好的服务和发展下一代网络。避免了带宽限制在通信技术中,数字通信,如数字图像、视频处理和多媒体处理。选择合适的去噪算法起着至关重要的作用,是非常重要的试验和比较的方法。本文计算时间可以减少到7 cpu和内存的利用率也有所改善。在本文中,不同类型的去噪滤波器比较进行了讨论。 |
未来的工作范围: |
| 本文可以扩展视频去噪和混合过滤器会做实验,该算法可以申请彩色图像作为未来的工作。 |
表乍一看 |
|
|
引用 |
- 苏雷什·库马尔,papendrakumar manojgupta, ashok kumar nagawatt“性能的比较值和维纳滤波在图像去噪”,国际期刊《计算机应用(0975 - 8887)volume12-no.4, november2010。
- ParminderKaur Jagroop辛格。2011。一项研究高斯噪声对数字图像PSNR值的影响国际计算机和电子E ngineering.Vol杂志》上。3、2号1793 - 8163。
- c . Mythili太太和V.Kavitha博士。高效的彩色图像降噪技术的研究bulltion约旦V o l。我(我二世)
- Mr.AmitAgrawal和拉梅什•拉斯卡尔。最佳单一图像捕获运动由模糊变清晰。Proc。IEEE计算机视觉与模式识别会议,2560{2567年,2009页。
- Mr.PawanPatidar和et al。各种过滤器对不同噪声图像去噪的国际期刊《计算机应用(0975 - 8887)卷9 - 4号,2010年11月
- 查尔斯Boncelet。“图像噪声模型”。在艾伦C.Bovik。Processing.2005手册的图像和视频。
- 萨勒姆萨利赫Al-amri先生和et al。比较研究从遥感图像去除噪声。IJCSI国际计算机科学杂志的问题,7卷,问题。1,1号,2010年1月32 ISSN(在线):169 4 - 0784 ISSN(印刷):1694 - 0814
- k . Dabov a信息自由、诉Katkovnik和k . Egiazarian”由稀疏三维变换域图像去噪协同过滤,“IEEE反式。图像的过程。,16卷,不。2007年8月8日,页。2080 - 2095年。
- 亚兰而是弗拉基米尔•Katkovnik和卡伦Egiazarian,高级会员,IEEE”BM3D帧和Varational图像去模糊”,图像处理、IEEE(数量:21日问题:4),ISSN: 1057 - 7149。
- d . Maheswariet。艾尔。使用中值滤波在复合图像噪声去除。(IJCSE)计算机科学与工程国际期刊卷。02、04号2010,1359 - 1362。
- 拉斐尔·c·冈萨雷斯,“图像恢复和重建”,在数字图像处理中,3日印度:普伦蒂斯霍尔出版社,2011年,页322 - 330。
|
菜单
