基于像素分類思想的圖像自適應(yīng)混合去噪算法.pdf

1、現(xiàn)實中，圖像在被獲取和被傳輸時常常會受到各種各樣的噪聲干擾，例如高斯白噪聲、脈沖噪聲和乘性噪聲等。為了改善圖像質(zhì)量以及便于各種后續(xù)處理(如邊緣檢測)，學(xué)者們提出了許多去除噪聲的方法，如針對脈沖噪聲的中值濾波方法和針對高斯白噪聲的領(lǐng)域去噪方法等。但是，傳統(tǒng)的去噪方法都專注于對圖像噪聲的抑制，而缺乏對圖像邊緣的保護，因此會使去噪后的圖像邊緣變得模糊。而邊緣常常包含著重要的圖像特征，細節(jié)的破壞會影響后續(xù)的圖像識別工作。針對這一問題，本文以高斯

2、白噪聲和脈沖噪聲為模型，在分析現(xiàn)有方法的基礎(chǔ)上，對圖像去噪算法中的邊緣保護問題做了一定研究，并且提出了一種基于像素分類的自適應(yīng)混合濾波去噪方法。 由于在一幅圖像中，平坦區(qū)域的方差較小，邊緣和脈沖噪聲存在的區(qū)域方差較大，可以根據(jù)方差的不同，對不同區(qū)域的中心像素分類，并采用不同的濾波方式。對于判斷為脈沖噪聲的點，采用區(qū)域中值濾波方法；對于判別為邊緣的像素，采用灰度相近點的加權(quán)線性濾波方法；對于其他像素，用不同參數(shù)的高斯模板進行平滑，