毕业设计自适应中值滤波器设计.doc

1 引言 1.1 自适应中值滤波的研究现状 不可否认，图像可以带给人们许多有用的信息，前提是保证图像足够清晰，至少能够处于人眼的识别范围之内。但从图像中获取信息的时候，人们不可避免的遇到图像受污染或损坏的情况，污染或损坏较为严重的图像已然失去了传递信息的功能。为了重现图像传递信息的功能，就必须对受污染或受损坏的图像进行处理。 图像污染一般是由各种噪声造成的，其中在图像传输过程中，经由图像传感器、传输信道、解码器等传输通道时，容易产生一种常见的噪声：椒盐噪声。椒盐噪声也叫脉冲噪声，是一种黑白相间的亮暗点噪声，它会严重影响图像的质量。在各种滤波方法中，经研究表明中值滤波对椒盐噪声有较理想的滤除效果。 可以知道，传统的中值滤波在滤波效果和保持图像细节方面存在矛盾：当滤波窗口较小时，图像细节会得到较好的保持；当滤波窗口较大时，对图像会有较好的整体滤波效果。为了解决这一矛盾，人们提出了自适应中值滤波。自适应中值滤波通过一定的判定条件改变滤波窗口的大小，从而在滤波过程中兼顾细节与整体，从而较好的恢复被污染的图像。 1.1.1 自适应中值滤波在算法上的研究现状 近些年来，随着对图像处理要求越来越高，对自适应中值滤波的研究也越来越多。研究者们提出了关于自适应中值滤波的多种算法，如自适应定向加权中值滤波[6]，基于相似度函数的自适应加权中值滤波[7],自适应开关中值滤波[8][9]。运算速度相对于一种滤波算法来说是比较重要的，但同时也要注意算法精度的要求，尽量做到速度与精度之间的平衡。文献1提出一种基于十字滑动窗口快速自适应中值滤波算法[1]，与矩形窗相比，此方法计算速度快，并利用前一窗口信息，通过两个十字相交向量退化和推进，降低运算复杂度，加快运算速度；依据噪声强度调整窗口大小来提高去噪效果。运算速度的要求除外，自适应中值滤波对噪声点的检测也非常重要，噪声点判断正确与否直接决定滤波效果的好坏。文献2提出一种基于四分法噪声检测的开关中值滤波算法[2]，首先对窗口内像素值进行大小排序，然后通过差分法划分出高、低阶信号块和高、低阶噪声块。当待测像素属于信号块时，视其为信号点，否则根据噪声块与信号块内像素比例关系确定是否为噪声点或可能噪声点，若为可能噪声点，增大滤波窗口进一步判断，若为噪声点，进行中值滤波。经过证明此算法对椒盐噪声有较强的抑制作用。文献3在对噪声点进行检测中引入了最小集合距离测度[3]，有效避免了将高频细节信号误判为噪声。且采用最小无污染点集合恢复噪声点，消除了邻域噪声点的影响。结果表明这种噪声检测方法正确率高，降噪与保留细节性好。在现实中，一幅图像所受的污染可能只有一种，也可能是两种或两种以上。因此，对混合噪声进行滤波显得尤为重要。许多对图像混合噪声的滤波方法中应用了自适应中值滤波。文献4和文献5中都提及了自适应中值滤波在混合噪声滤波上的作用。文献4中结合自适应中值滤波和小波变换的阈值滤波[4]的各自优点，先对图像进行自适应中值滤波去除椒盐噪声，然后利用小波变换去除剩余的高斯噪声，从而对同时含有椒盐噪声和高斯噪声的混合含噪图像进行有效的滤波处理。文献5中提及一种基于自适应中值滤波和自适应加权均值滤波的混合滤波方法[5]。将同时含有椒盐噪声和高斯噪声的混合含噪图像分为若干区域，对每个区域进行噪声检测实现两种噪声的分离，然后采用自适应中值滤波和自适应加权均值滤波分别滤去椒盐噪声和高斯噪声。相关实验表明这是一种滤除混合噪声的有效方法。 因此，可以这样说，相对于传统中值滤波来讲，无论是哪种算法，自适应中值滤波主要解决的问题为：1 噪声点的检测 2 保持滤波后图像细节与整体均有较好效果。到目前为止，没有一种方法能够完全满足人们在图像滤波上的要求，随着时代的发展，对图像要求也会更高，这势必会驱使人们不断的进行这方面的研究，或是在已有成熟算法的基础上加以改进达到所要的目标，或是根据新的理论提出新的有更好处理效果的算法。 1.1.2 自适应中值滤波的应用现状 近些年来，自适应中值滤波的应用越来越广泛，包括通信、工业、农业、医疗保健、航空航天、气象，军事等诸多领域，其在国民经济的发展中所起的作用越来越大。 工业方面： 文献10研究了自适应中值滤波在焊缝跟踪过程的应用[10]。这属于自适应中值滤波在工业上的应用。焊缝图像在采集、传递、转化过程中也易受到噪声的污染，严重影响对焊缝的后续处理。通过自适应中值滤波不但可以滤除噪声而且能够保证对焊缝实时跟踪的要求。文献11说明了发电厂锅炉火焰图像[11]的研究，通过对火焰图像进行滤波处理，了解锅炉内部的温度分布及煤的燃烧状态，从而对发电厂的安全经济运行提供重要的指导作用。文献12提出并研究了汽车夜视系统中图像增强[12]的问题，利用中值滤波算法提高夜视系统对图像的处理，从而增加夜间行车的安全性。 农业