高強度噪聲條件下邊緣保持的圖像濾波和分割方法研究.pdf

1、近年來，數(shù)字圖像處理技術被廣泛應用于工業(yè)、醫(yī)學、航空等多個領域，具體應用場合包括機器人視圖、細胞分類、人臉識別、遙感圖像分析等。由于多種原因，圖像在獲取和傳輸?shù)倪^程中經常會被噪聲污染，從而導致后續(xù)的圖像處理算法性能下降。因此，如何在高強度噪聲條件下，對受污染圖像進行有效的圖像處理是個亟待解決的問題。本文圍繞高強度噪聲情況下圖像濾波和圖像分割問題展開研究，力圖設計出有效的圖像濾波算法和圖像分割算法，從而在去除噪聲的同時盡可能保持圖像的邊緣

2、細節(jié)信息。
　　本研究主要內容包括：⑴針對現(xiàn)有圖像濾波算法往往無法在抑制噪聲的同時保持圖像細節(jié)邊緣信息的缺點，提出了基于alpha截斷和邊緣信息保持的圖像濾波算法。該算法采用對多種類型噪聲效果較好的α截斷濾波進行初步噪聲去除，并將僅截斷處理后的圖片作為指導圖片，建立該指導圖片和濾波目標圖片之間的局部線性模型，構造出具有邊緣保留特性的權值。該算法既能有效地去除多種類型的噪聲，又能保留邊緣信息，在人工圖片和真實圖片上的實驗結果證明了所

3、提出算法的有效性。⑵針對現(xiàn)有基于模糊C均值的圖像快速分割算法無法處理彩色圖像的缺點，提出了適用于高強度噪聲情況下的彩色圖像快速分割算法。該分割算法定義了彩色空間中鄰居像素與中心像素的相似性度量，并利用該相似性對彩色值進行修正，在此基礎上采用量化技術將RGB彩色空間的級數(shù)從256*256*256降到216級，最后使用快速模糊C均值對量化之后的彩色圖像進行分割。在人工圖片和真實圖片上的實驗結果表明，該算法具有更高的分割正確率和更低的時間復雜

4、性。⑶非局部圖像分割方法通過度量圖片塊間相似性來辨別具有相同結構屬性的像素，因此該類方法的時間復雜度較高;基于局部信息的圖像分割方法利用局部空間鄰域像素信息來影響每個像素的歸類，因此該類方法忽略了非局部像素的影響。針對上述方法的缺點，提出了基于非局部和局部相似性的圖像分割方法。該算法通過將局部信息和非局部信息進行結合，設計出新的相似性度量，并通過自適應參數(shù)控制兩者在相似性度量中所占比例，然后使用快速模糊C均值對灰度圖像進行分割。實驗在人