基于最小錯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)實中的圖像通常都是帶有噪聲的。因此圖像處理工作中，在進行圖像分割、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型去噪算法。但是這些方法通常都是對圖像的每一個像素點進行平滑，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，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。
　　 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)確的檢測出每一個噪聲點，基于此提出了檢測噪聲時使出錯率盡可能小，且僅對檢測出的噪聲點進行平滑的算法。
　　 本文應(yīng)用最小錯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，濾波時只應(yīng)用判定為非噪聲點的像素點對噪聲點進行平滑。研究工作主要集中

4、在以下幾個方面：
　　 1、引入最小錯誤率貝葉斯決策，用于檢測噪聲點，使檢測噪聲時的出錯率盡可能小。針對應(yīng)用最小錯誤率貝葉斯決策時原圖像的類條件概率密度難以計算的情況，引入類條件概率密度的離散化計算，避免了常用的對類條件概率密度的估計假設(shè)，使其更符合類別的分布情況。
　　 2、引入Otsu法并對其進行了簡化和改進，應(yīng)用簡化和改進后的Otsu法進行噪聲及目標(biāo)的自動最優(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驗

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計算來獲取兩個閾值。
　　 3、根據(jù)噪聲種類的不同，對應(yīng)用最小錯誤率貝葉斯決策檢測出的噪聲采用不同的平滑濾波方法，在濾波時預(yù)先對要參與濾波的像素點進行檢測，僅利用檢測為非噪聲點的像素點對當(dāng)前判定為噪聲的像素點進行平滑，從而排除了采用噪聲像素點進行濾波而帶來二次污染的可能性。
　　 4、對處理后圖像質(zhì)量進行了分析，提出以信噪比為評價條件對圖像進行循環(huán)檢測濾波，