高频系数直方图匹配的图像去噪算法的研究(源码)【字数：11819】
摘 要随着互联网的不断发展，信息在人们的日常生活中愈加扮演着要紧的角色，而图像更是人们获得信息的比较直接和主要的渠道。但是由于图像在传输和转换的过程中总会不可避免的出现一些降质的情况，受到高斯噪声等信号的污染，这个时候就需要通过去噪让图像得到很好的复原。小波变换可以同时得到频域、空间域的信息，它拥有相对比较突出的多分辨率、多尺度的分析能力，能够比较恰当的保护图象的细节。本文通过对各种图像去噪效果好坏的对比研究，提出了一种基于高频系数直方图匹配的算法，该算法利用小波变换等算法，通过小波分解、小波重构、直方图匹配等步骤对图像进行去噪。通过matlab软件的多次仿真实验可以看出，该算法在有效去除噪声的情况下也能够达到保持图像细节与边缘信息的目的，最大程度的还原高密度噪声图像和去除噪声。
目 录
第一章 绪论 1
1.1图像处理技术背景及其发展概况 1
1.2选题意义 1
1.3本文的研究内容及组织结构 2
第二章 图像去噪的基本理论 3
2.1图像的噪声 3
2.1.1噪声的特征 3
2.1.2噪声的分类 3
2.1.3降质图像中的噪声模型 4
2.2图像的灰度级直方图 4
2.3空间域与频域 5
第三章 基于高频系数直方图匹配的图像去噪算法 7
3.1傅里叶变换及其性质 7
3.2小波变换的基本概念 7
3.3一种基于高频系数直方图匹配的图像去噪算法 8
3.3.1数字图像直方图匹配 8
3.3.2基于高频系数直方图匹配的图像去噪算法 9
第四章 基于高频系数直方图匹配的算法仿真论证 12
4.1衡量图像去噪效果的几个参数 12
4.2算法的仿真验证 12
4.3结论 18
结束语 19
致 谢 20
参考文献 21
附录A 22
第一章 绪论
1.1图像处理技术背景及其发展概况
图像处理技术最先发现在20世纪的50年代[1]，那时候由于电子计算机已经发展 *好棒文|www.hbsrm.com +Q: ￥351916072$
到了一定的水平。当时图像处理的目的仅限于改善图像的质量，最终为了给人们带来更好的视觉感受。它初次应用在美国的喷气推进实验室[2]，此后对土星、火星等星球的研究也作出了巨大的贡献。同时，在医学上，数字图像处理也取得了重大的成就。
因为图像处理技术在不断发展着，所以图像处理也开始往更深的层次和更远的方向发展，并且取得了很多重要的结果。一个最有影响力的人是在70年代后期提出视觉计算的Marr[3]，这一项是如何用计算机系统诠释图像方面的一大重大成就。虽然经过一系列的研究，已经在很多方面取得了重要的理论成果，但是由于人们对自身的视觉方面了解的相对较少，所以这方面研究起来还是相对有一些难度的。因此，计算机视觉一直是一个有待于人们去不断发掘和研究的重要领域。
如果在图像处理技术的范畴来讲，图像去噪技术可以归纳为图像复原的领域。利用空间域的滤波算法或者频域的小波算法等不同的方法其效果也是大有区别的。这就需要我们继续去研究和发现。
1.2选题意义
人们的生活中总是不可避免的接触到各种各样的信息，尤其是在信息化快速发展的当今时代。而图像一般可以作为最直观的一种获取信息的渠道，因此也逐渐渗透到人们生活的方方面面。但是由于总无法避免存在图像失真、有噪声的情况，因此在这个时候图像去噪技术就显得尤为重要。
因为图像去噪具有的重要性，所以这一领域也成为了国内外研究者的热点。目前为止，图像去噪主要有三个方向。一个是稀疏性算法，其基本思想主要体现在将图像的有用信息，一部分作为图像中的稀疏成分，同时将图像中的噪声当作图像的残差，将此作为图像去噪方法的基础。此算法具有自适应、不相关、原子化等特性。二是非局部均值算法，其基本思想主要是图像中所有与与他相似结构的像素通过像素加权平均得到当前的像素值，从而进一步进行图像去噪处理。三就是本文要研究的和小波有关的图像去噪方法。此类去噪方法大概分为空间域和频域两种方法，而小波去噪可以说是一种比较好的频域滤波方法，而且也是得到广泛运用的一种算法。他具有一些比较占优势的特性，比如低熵性[4]、多分辨率特性、去相关特性、选基灵活性等等。
因此，基于小波去噪的诸多优点，所以采取基于高频系数直方图匹配的图像去噪算法的研究作为论文的主题，从而进行图像去噪的不同方法的优缺点，最后寻求效果相对比较好的一种算法。得到具体的结论，以达到能够更好的图像去噪的效果。
1.3本文的研究内容及组织结构
本论文的主要研究内容为对高频系数直方图匹配的有关图像复原的研究，本文主要利用小波变换对高斯噪声等噪声进行对图像噪声的去除。因为涉及到空间域与频域的不同特性的区别，所以算法重点也在于从空间域到频域的变换。利用直方图匹配也是一项比较重要的处理操作，直方图匹配主要针对的是高频系数的处理。通过不同算法的去噪效果与本文算法的图像去噪效果进行观察比较，从而得出本论文的研究结果。
本论文的组织结构如下，全文总共分为四章：
第一章 绪论。重点是对图象处理技术发展概况的概括，以及图象处理技术方面的一些知识普及。
第二章 有关图像去噪复原算法的一些基本理论。比如介绍了大概有几种常见的噪声类型，它们各自具有什么明显的特征，以及在降质图像中的一些噪声模型。除此之外，还大概介绍了图像的灰度级直方图一些概念。当然，必不可少的还有空间域与频域的一些区别与运用算法的一些区别。
第三章 基于频域的图像去噪算法。包含傅里叶算法、小波的变换算法等，再然后介绍了一种针对高频系数直方图匹配的图像去噪算法，并且对重点研究内容进行了一些放大与拓展。
第四章 图像去噪算法的结果论证。介绍了衡量图像去噪效果的一些方法，然后将本文重点研究的算法利用matlab软件进行仿真验证，最后得出结论。
第二章 图像去噪的基本理论
2.1图像的噪声
噪声，一般能够解释为阻碍人们得感官获取和理解外界信息的一种障碍[5]，而图像上的噪声，同样可以被认为为存在某些因素，妨碍了人们对于图象信息得接受，我们不妨把它当作是一种多维随机过程。图像的噪声对图像信息的影响贯穿了各个处理环节和最终结果的显示，比如对图像信息的输入、采集和传输等过程都有一定的影响，特别是当图像的噪声处于一种比较大的状态时，对信息的获取和后期的研究是极为不利的。
2.1.1噪声的特征
在扫描变换方面，噪声与当前图象系统的输入光电变换存在着相似得变换[6]方式。它们都是首先扫描二维图像得信号再把它变换成一维得图像信号，继而进行处理和加工，最终还要把一维电信号转变成二维图像信号。
目 录
第一章 绪论 1
1.1图像处理技术背景及其发展概况 1
1.2选题意义 1
1.3本文的研究内容及组织结构 2
第二章 图像去噪的基本理论 3
2.1图像的噪声 3
2.1.1噪声的特征 3
2.1.2噪声的分类 3
2.1.3降质图像中的噪声模型 4
2.2图像的灰度级直方图 4
2.3空间域与频域 5
第三章 基于高频系数直方图匹配的图像去噪算法 7
3.1傅里叶变换及其性质 7
3.2小波变换的基本概念 7
3.3一种基于高频系数直方图匹配的图像去噪算法 8
3.3.1数字图像直方图匹配 8
3.3.2基于高频系数直方图匹配的图像去噪算法 9
第四章 基于高频系数直方图匹配的算法仿真论证 12
4.1衡量图像去噪效果的几个参数 12
4.2算法的仿真验证 12
4.3结论 18
结束语 19
致 谢 20
参考文献 21
附录A 22
第一章 绪论
1.1图像处理技术背景及其发展概况
图像处理技术最先发现在20世纪的50年代[1]，那时候由于电子计算机已经发展 *好棒文|www.hbsrm.com +Q: ￥351916072$
到了一定的水平。当时图像处理的目的仅限于改善图像的质量，最终为了给人们带来更好的视觉感受。它初次应用在美国的喷气推进实验室[2]，此后对土星、火星等星球的研究也作出了巨大的贡献。同时，在医学上，数字图像处理也取得了重大的成就。
因为图像处理技术在不断发展着，所以图像处理也开始往更深的层次和更远的方向发展，并且取得了很多重要的结果。一个最有影响力的人是在70年代后期提出视觉计算的Marr[3]，这一项是如何用计算机系统诠释图像方面的一大重大成就。虽然经过一系列的研究，已经在很多方面取得了重要的理论成果，但是由于人们对自身的视觉方面了解的相对较少，所以这方面研究起来还是相对有一些难度的。因此，计算机视觉一直是一个有待于人们去不断发掘和研究的重要领域。
如果在图像处理技术的范畴来讲，图像去噪技术可以归纳为图像复原的领域。利用空间域的滤波算法或者频域的小波算法等不同的方法其效果也是大有区别的。这就需要我们继续去研究和发现。
1.2选题意义
人们的生活中总是不可避免的接触到各种各样的信息，尤其是在信息化快速发展的当今时代。而图像一般可以作为最直观的一种获取信息的渠道，因此也逐渐渗透到人们生活的方方面面。但是由于总无法避免存在图像失真、有噪声的情况，因此在这个时候图像去噪技术就显得尤为重要。
因为图像去噪具有的重要性，所以这一领域也成为了国内外研究者的热点。目前为止，图像去噪主要有三个方向。一个是稀疏性算法，其基本思想主要体现在将图像的有用信息，一部分作为图像中的稀疏成分，同时将图像中的噪声当作图像的残差，将此作为图像去噪方法的基础。此算法具有自适应、不相关、原子化等特性。二是非局部均值算法，其基本思想主要是图像中所有与与他相似结构的像素通过像素加权平均得到当前的像素值，从而进一步进行图像去噪处理。三就是本文要研究的和小波有关的图像去噪方法。此类去噪方法大概分为空间域和频域两种方法，而小波去噪可以说是一种比较好的频域滤波方法，而且也是得到广泛运用的一种算法。他具有一些比较占优势的特性，比如低熵性[4]、多分辨率特性、去相关特性、选基灵活性等等。
因此，基于小波去噪的诸多优点，所以采取基于高频系数直方图匹配的图像去噪算法的研究作为论文的主题，从而进行图像去噪的不同方法的优缺点，最后寻求效果相对比较好的一种算法。得到具体的结论，以达到能够更好的图像去噪的效果。
1.3本文的研究内容及组织结构
本论文的主要研究内容为对高频系数直方图匹配的有关图像复原的研究，本文主要利用小波变换对高斯噪声等噪声进行对图像噪声的去除。因为涉及到空间域与频域的不同特性的区别，所以算法重点也在于从空间域到频域的变换。利用直方图匹配也是一项比较重要的处理操作，直方图匹配主要针对的是高频系数的处理。通过不同算法的去噪效果与本文算法的图像去噪效果进行观察比较，从而得出本论文的研究结果。
本论文的组织结构如下，全文总共分为四章：
第一章 绪论。重点是对图象处理技术发展概况的概括，以及图象处理技术方面的一些知识普及。
第二章 有关图像去噪复原算法的一些基本理论。比如介绍了大概有几种常见的噪声类型，它们各自具有什么明显的特征，以及在降质图像中的一些噪声模型。除此之外，还大概介绍了图像的灰度级直方图一些概念。当然，必不可少的还有空间域与频域的一些区别与运用算法的一些区别。
第三章 基于频域的图像去噪算法。包含傅里叶算法、小波的变换算法等，再然后介绍了一种针对高频系数直方图匹配的图像去噪算法，并且对重点研究内容进行了一些放大与拓展。
第四章 图像去噪算法的结果论证。介绍了衡量图像去噪效果的一些方法，然后将本文重点研究的算法利用matlab软件进行仿真验证，最后得出结论。
第二章 图像去噪的基本理论
2.1图像的噪声
噪声，一般能够解释为阻碍人们得感官获取和理解外界信息的一种障碍[5]，而图像上的噪声，同样可以被认为为存在某些因素，妨碍了人们对于图象信息得接受，我们不妨把它当作是一种多维随机过程。图像的噪声对图像信息的影响贯穿了各个处理环节和最终结果的显示，比如对图像信息的输入、采集和传输等过程都有一定的影响，特别是当图像的噪声处于一种比较大的状态时，对信息的获取和后期的研究是极为不利的。
2.1.1噪声的特征
在扫描变换方面，噪声与当前图象系统的输入光电变换存在着相似得变换[6]方式。它们都是首先扫描二维图像得信号再把它变换成一维得图像信号，继而进行处理和加工，最终还要把一维电信号转变成二维图像信号。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/rjgc/301.html
