基于結構特征描述的圖像處理基本問題研究.pdf

1、現(xiàn)今人類的生活環(huán)境處于信息高度發(fā)展的階段，數(shù)字媒體中的圖像處理技術滿足了人類對事物特征紋理的欣賞和信息的表達需求，在人們的日常生活和工作中起到了至關重要的作用，圖像處理技術已經(jīng)深入各個領域，它研究的基本問題包括圖像去噪、邊緣檢測、圖像增強、圖像分割、圖像識別等，其中圖像去噪和邊緣檢測是諸多圖像處理任務的前提。因此，本課題針對基于結構特征描述的圖像去噪和邊緣檢測方法進行研究，以提高現(xiàn)有的圖像去噪和邊緣檢測算法性能，為數(shù)字圖像處理技術的理論

2、完善提供依據(jù)。本文的主要內(nèi)容包括以下幾個方面：
　?。?）簡要介紹了圖像處理的背景和應用領域，并對圖像去噪和邊緣檢測基本研究現(xiàn)狀進行闡述，同時給出了本文各章節(jié)的內(nèi)容安排。
　　（2）簡要介紹了圖像處理的基礎知識，包括數(shù)字圖像的基本概念，如圖像和分辨率、圖像鄰域和圖像邊緣等，以及基于Matlab的圖像處理基礎知識，如Matlab環(huán)境下圖像的類型、圖像信息的讀取、顯示和存儲等函數(shù)。
　?。?）針對傳統(tǒng)的非局部均值濾波算法存

3、在算法效率低，算法運行時間過長，相似性的權值不夠精準的缺陷，實現(xiàn)了一種基于結構相似性度量（SSIM）的非局部均值濾波方法。方法采用結構相似性度量（SSIM）對像素點間進行相似性度量，通過亮度，對比度和結構信息得出像素點間相似性的權值。實驗結果顯示，該算法采用的基于結構相似性度量的非局部均值濾波對圖像去噪時能夠在有效去除噪聲的情況下，將圖像的細節(jié)特征信息保持在較好的狀態(tài)。通過峰值信噪比等質(zhì)量評價標準對去噪結果進行量化比較進一步驗證了該算法

4、的有效性。
　　（4）針對傳統(tǒng)的LOG邊緣檢測算子在圖像邊緣檢測時存在抑制噪聲的同時會將圖像的邊緣弱化的問題，提出了一種基于Zernike矩的LOG邊緣檢測方法。該方法采用Zernike矩對圖像進行結構特征描述，并用其作為 LOG算子中高斯濾波權值的計算依據(jù)；在此基礎上，對平滑圖像采用Laplacian算子和零點交叉法檢測圖像邊緣。通過對一些圖像的測試，該算法通過采用基于 Zernike矩的權值計算方法能夠更好地保持高斯濾波在平滑