圖像模糊濾波算法的對比研究與改進(jìn).pdf

1、在數(shù)字圖像處理中，圖像濾波技術(shù)是至關(guān)重要的，因?yàn)樵肼晻?yán)重地降低圖像后續(xù)處理的精度，包括特征提取和目標(biāo)識別等。為了抑制各種不同類型的噪聲，學(xué)者們先后提出了許多不同的圖像濾波算法。近幾年來，模糊技術(shù)已經(jīng)成功地應(yīng)用于圖像濾波領(lǐng)域，提出了很多針對圖像濾波的模糊算法。在閱讀大量參考文獻(xiàn)的基礎(chǔ)上，本文對一些經(jīng)典的圖像濾波算法和幾種典型的圖像模糊濾波算法進(jìn)行了對比研究和試驗(yàn)，顯示出模糊濾波算法在消除噪聲和保護(hù)圖像細(xì)節(jié)方面所具有的優(yōu)越性，并在此基礎(chǔ)上

2、提出了一種新型的雙十字模糊濾波算法，進(jìn)一步改善了濾波效果。 本文在對圖像濾波算法的研究背景、基本概念以及發(fā)展現(xiàn)狀進(jìn)行簡單介紹的基礎(chǔ)上，分析和總結(jié)了模糊數(shù)學(xué)的基本概念與模糊推理的基本方法以及圖像模糊濾波算法?？傮w上可以將模糊濾波算法分成兩大類：一類是將模糊技術(shù)與傳統(tǒng)技術(shù)相結(jié)合的濾波算法，稱為古典-模糊濾波算法；另一類是完全基于模糊技術(shù)的濾波算法，稱為純模糊濾波算法。介紹了兩種典型的古典-模糊濾波算法，即模糊加權(quán)均值濾波算法和模糊中

3、值濾波算法。在模糊加權(quán)均值濾波算法的研究中，從理論上對一種通過期望圖像來確定權(quán)值的模糊加權(quán)均值濾波算法進(jìn)行了分析，由于該算法需要已知期望圖像，因此很難在實(shí)際的圖像測量系統(tǒng)中應(yīng)用。本文從實(shí)際應(yīng)用角度出發(fā)，分別對通過噪聲圖像自身特性來確定權(quán)值的模糊加權(quán)均值濾波算法和針對圖像混合噪聲的模糊加權(quán)均值濾波算法進(jìn)行了仿真試驗(yàn)，雖然這兩種算法有效地解決了權(quán)值確定的問題，但由于它們?nèi)狈σ惶淄晟频哪：评眢w系，并且缺少相應(yīng)的噪聲檢測環(huán)節(jié)，因此，僅適用于小

4、范圍的噪聲抑制?；谝陨细鞣N原因。提出了一種新型的雙十字模糊濾波算法，該算法對模糊隸屬函數(shù)進(jìn)行了改善，并且增加了噪聲檢測環(huán)節(jié)，基于Matlab7.1的多組仿真實(shí)驗(yàn)結(jié)果表明，該算法具有很好的普遍性和自適應(yīng)性，能夠比較有效地保護(hù)圖像細(xì)節(jié)信息，對混合噪聲有很好的抑制能力。此外，在模糊中值濾波算法的研究中，針對一種自適應(yīng)模糊多級中值濾波算法進(jìn)行了深入地探討。由于該算法在傳統(tǒng)多級中值濾波算法的基礎(chǔ)上引入了模糊推理，因此極大地改善了濾波效果，試驗(yàn)表

5、明該算法的濾波性能要優(yōu)于一些經(jīng)典的非線性濾波算法。 最后，在純模糊濾波算法的研究中，重點(diǎn)闡述了基于模糊推理規(guī)則集的FIRE濾波算法。由于該算法是通過一組模糊規(guī)則集來完成噪聲象素的校正，因此模糊規(guī)則集制定的好與壞直接決定了噪聲抑制的成與敗。為了驗(yàn)證以上的說法，分別對三種改進(jìn)的FIRE濾波算法進(jìn)行了多組仿真試驗(yàn)。試驗(yàn)結(jié)果表明，這三種算法具有非常好的噪聲抑制能力，并且隨著對模糊規(guī)則集的不斷改進(jìn)和優(yōu)化，算法的濾波效果也得到明顯提高。