異形纖維圖像去噪方法研究.pdf

1、圖像去噪算法的研究是一切圖像處理的前提，具有重要的意義。任何一個(gè)良好的圖像處理系統(tǒng)，無不把圖像去噪作為首要任務(wù)，去噪處理已成為圖像處理中極其重要的步驟。本文對(duì)異形纖維圖像計(jì)算機(jī)自動(dòng)檢測(cè)識(shí)別系統(tǒng)中的圖像去噪進(jìn)行了研究，此研究基于全國(guó)百篇優(yōu)秀博士學(xué)位論文作者專項(xiàng)資金資助項(xiàng)目和教育部留學(xué)回國(guó)人員科研啟動(dòng)基金資助項(xiàng)目，該項(xiàng)目結(jié)合了上海市出入境檢驗(yàn)檢疫局的紡織品和纖維檢驗(yàn)的實(shí)際需求重點(diǎn)研究纖維的顯微圖像的計(jì)算機(jī)識(shí)別。
　　 在圖像采集過程

2、中，異形纖維圖像往往因各種因素存在大量噪聲，不僅嚴(yán)重影響了圖像的視覺效果，同時(shí)也給以后的圖像分析和理解帶來一定的困難，因此在異形纖維圖像預(yù)處理中進(jìn)行圖像去噪是非常重要的環(huán)節(jié)，去噪質(zhì)量的好壞直接影響到后續(xù)處理。
　　 傳統(tǒng)的圖像去噪算法如均值濾波、中值濾波和高斯濾波等屬于各向同性擴(kuò)散，即不考慮圖像的形狀特征，進(jìn)行傳導(dǎo)系數(shù)為常量的熱擴(kuò)散，所以在去噪的同時(shí)也模糊甚至破壞了圖像的邊緣。而基于偏微分方程的圖像去噪恰好能解決這一問題，它屬于

3、各向異性擴(kuò)散模型。在去噪過程中，同時(shí)檢測(cè)圖像特征強(qiáng)弱及其方向，由圖像梯度決定其擴(kuò)散速度，這樣能夠兼顧噪聲消除和特征保持兩方面。
　　 本文研究了偏微分方程的理論基礎(chǔ)及其在數(shù)字圖像處理中的應(yīng)用，重點(diǎn)研究了偏微分方程在圖像去噪方面的理論、去噪模型及其發(fā)展，并分別從濾波和能量極小化兩個(gè)角度分析了Person-Malik模型、Cattle模型、ALM模型、TV模型及you&kaveh模型，總結(jié)了各個(gè)模型的特點(diǎn)、優(yōu)點(diǎn)及缺點(diǎn)。
　　

4、 為了去除異形纖維圖像中的噪聲，本文首先分析了異形纖維圖像中的噪聲來源，確定了異形纖維圖像的噪聲模型，然后針對(duì)其噪聲模型提出了一種能夠同時(shí)去除異形纖維圖像中高斯和脈沖混合噪聲的去噪算法。該算法在全變差(Total Variation，TV)算法的基礎(chǔ)上進(jìn)行了算法改進(jìn)，綜合了中值濾波的優(yōu)點(diǎn)，在達(dá)到去噪目的的同時(shí)，較好地處理了去除噪聲、保留邊緣細(xì)節(jié)信息這對(duì)在圖像去噪中存在的矛盾。同時(shí)，對(duì)參數(shù)的選取也做了分析，較好地平衡了去噪效果和處理效率問