基于不確定性理論的圖像濾波.pdf

1、在信息時(shí)代，信息獲取、信息的綜合分析和處理、信息融合成為信息技術(shù)領(lǐng)域的研究熱點(diǎn).我們獲取信息資源的主要載體是信息系統(tǒng)，它必然成為信息科學(xué)的主要研究對(duì)象.由于信息系統(tǒng)含有大量信息，常常具有明顯的不確定性.在圖像處理過(guò)程中，經(jīng)常見(jiàn)到被噪聲損害的圖像.圖像在傳輸或采集過(guò)程中得到的最常見(jiàn)的噪聲類型是脈沖噪聲，也稱為椒鹽噪聲.該種類型的噪聲像素灰度值的特點(diǎn)是，在一個(gè)動(dòng)態(tài)的有效值范圍取得最小或最大值.由于采集和傳輸是得到圖像的必備渠道，因此對(duì)信號(hào)中

2、去除噪聲數(shù)據(jù)，特別是去除脈沖噪聲，已出現(xiàn)了許多方法.這也就不難解釋在圖像重構(gòu)過(guò)程中，去除噪聲是一種常見(jiàn)的甚至是必須的預(yù)處理步驟.經(jīng)過(guò)這個(gè)步驟，圖像能夠呈現(xiàn)更好的視覺(jué)特性或提供更有意義的數(shù)據(jù)信息.
　　本文討論不確定性理論在圖像處理中的應(yīng)用，提出了幾種新的濾波模型.主要工作如下:
　　(1)給出了一種基于圓形窗口的差值濾波算法.將模板窗口設(shè)置為圓形，保證了各方向的像素點(diǎn)對(duì)當(dāng)前像素具有同等貢獻(xiàn).根據(jù)圓形模板內(nèi)像素的有效面積為參與

3、計(jì)算的像素點(diǎn)設(shè)置權(quán)值，與像素灰度值一起形成有效值.在模板內(nèi)進(jìn)行四方向插值擬合，計(jì)算出的結(jié)果作為估值，將其賦予噪聲像素，從而達(dá)到去噪的目的.
　　(2)提出了新的直覺(jué)模糊集的去噪方法.對(duì)模板中的每一個(gè)像素值分別構(gòu)造關(guān)于每一像素灰度t的關(guān)于背景和關(guān)于對(duì)象的兩個(gè)直覺(jué)模糊集.提出了直覺(jué)模糊像素集的熵的概念，由它計(jì)算分割需要的最佳閾值.按該閾值對(duì)模板中的像素進(jìn)行分割，判定噪聲應(yīng)屬于對(duì)象還是背景，按相應(yīng)區(qū)域內(nèi)像素的平均值對(duì)噪聲像素賦值，從而達(dá)

4、到去噪的效果.同時(shí)給出了該方法去除不同密度噪聲圖像的實(shí)驗(yàn)結(jié)果.
　　(3)提出了一種新的基于D-S證據(jù)理論的圖像去噪算法，以3×3及5×5模板為例，給出了兩組證據(jù)濾波合成的算法.用每個(gè)像素的灰度值除以該行的行灰度值，即可將每一個(gè)像素的灰度值限制在區(qū)間[0，1]內(nèi).這樣的每行像素值稱為一個(gè)濾波證據(jù).用它們通過(guò)D-S合成規(guī)則計(jì)算出新的數(shù)據(jù).若當(dāng)前像素為噪聲，則用合成結(jié)果賦予當(dāng)前像素值.同時(shí)，提出了多組證據(jù)濾波合成算法，可以對(duì)模板內(nèi)同時(shí)