基于最小錯(cuò)誤率貝葉斯決策和平滑濾波的圖像去噪算法研究.pdf

1、圖像信號在產(chǎn)生、傳輸過程中，經(jīng)常會受到各種噪聲的干擾，一般來說，現(xiàn)實(shí)中的圖像通常都是帶有噪聲的。因此圖像處理工作中，在進(jìn)行圖像分割、模式識別等高層次的處理前，選用適當(dāng)方法盡可能的去除噪聲的干擾是一個(gè)非常重要的預(yù)處理步驟。常用的圖像去噪方法有：均值濾波和中值濾波以及由它們衍生出的各種改進(jìn)型去噪算法。但是這些方法通常都是對圖像的每一個(gè)像素點(diǎn)進(jìn)行平滑，常將應(yīng)保留的圖像邊緣及細(xì)節(jié)作了修改，從而造成圖像信息的改變。近年來，小波分析得到了快速發(fā)展，

2、在圖像處理方面，小波圖像去噪受到了國內(nèi)外學(xué)者的重視，是當(dāng)今熱門的研究課題，因此陸續(xù)出現(xiàn)了一系列方法，如自適應(yīng)軟(硬)閾值去噪方法，模極大值去噪方法，最優(yōu)模糊閾值去噪方法等算法在圖像去噪處理中都取得了一定的效果。但應(yīng)用小波去噪時(shí)，選取有效合理的小波基或小波基的參數(shù)比較困難，而且還存在爭議。因此，如何有效的去除噪聲且保持圖像清晰度是本文研究的重點(diǎn)。
　　 本論文首先簡要介紹了圖像去噪處理的意義、研究現(xiàn)狀，然后對傳統(tǒng)的圖像去噪方法進(jìn)行

3、了介紹，接著分析了貝葉斯決策的基本理論及常用的貝葉斯決策方法，在此基礎(chǔ)上，通過觀察加噪圖像及其直方圖的變化，了解到去噪的前提是準(zhǔn)確地檢測噪聲，而無論何種去噪方法都不可能完全準(zhǔn)確的檢測出每一個(gè)噪聲點(diǎn)，基于此提出了檢測噪聲時(shí)使出錯(cuò)率盡可能小，且僅對檢測出的噪聲點(diǎn)進(jìn)行平滑的算法。
　　 本文應(yīng)用最小錯(cuò)誤率貝葉斯決策來檢測噪聲，并提出針對檢測出的噪聲采用不同的濾波方法，濾波時(shí)只應(yīng)用判定為非噪聲點(diǎn)的像素點(diǎn)對噪聲點(diǎn)進(jìn)行平滑。研究工作主要集中

4、在以下幾個(gè)方面：
　　 1、引入最小錯(cuò)誤率貝葉斯決策，用于檢測噪聲點(diǎn)，使檢測噪聲時(shí)的出錯(cuò)率盡可能小。針對應(yīng)用最小錯(cuò)誤率貝葉斯決策時(shí)原圖像的類條件概率密度難以計(jì)算的情況，引入類條件概率密度的離散化計(jì)算，避免了常用的對類條件概率密度的估計(jì)假設(shè)，使其更符合類別的分布情況。
　　 2、引入Otsu法并對其進(jìn)行了簡化和改進(jìn)，應(yīng)用簡化和改進(jìn)后的Otsu法進(jìn)行噪聲及目標(biāo)的自動(dòng)最優(yōu)閾值選取。從而避免了將噪聲灰度絕對化的可能及需要多次實(shí)驗(yàn)

5、獲取閾值的復(fù)雜過程。另外對椒鹽噪聲圖中的黑白噪聲閾值采用雙向同時(shí)計(jì)算來獲取兩個(gè)閾值。
　　 3、根據(jù)噪聲種類的不同，對應(yīng)用最小錯(cuò)誤率貝葉斯決策檢測出的噪聲采用不同的平滑濾波方法，在濾波時(shí)預(yù)先對要參與濾波的像素點(diǎn)進(jìn)行檢測，僅利用檢測為非噪聲點(diǎn)的像素點(diǎn)對當(dāng)前判定為噪聲的像素點(diǎn)進(jìn)行平滑，從而排除了采用噪聲像素點(diǎn)進(jìn)行濾波而帶來二次污染的可能性。
　　 4、對處理后圖像質(zhì)量進(jìn)行了分析，提出以信噪比為評價(jià)條件對圖像進(jìn)行循環(huán)檢測濾波，