《激光图像背景噪声影响的研究》-公开DOC·毕业论文

《《激光图像背景噪声影响的研究》-公开DOC·毕业论文》由会员分享，可在线阅读，更多相关《《激光图像背景噪声影响的研究》-公开DOC·毕业论文（28页珍藏版）》请在金锄头文库上搜索。

1、 大 连 民 族 学 院 本 科 毕 业 设 计（论 文）激光图像背景噪声影响的研究学 院（系）： 机电信息工程学院 专 业： 自动化 学 生 姓 名： 学 号： 指 导 教 师： 评 阅 教 师： 完 成 日 期： 年6月4日 大连民族学院摘 要本文主要是图像去噪在数字图像处理中的应用，解决的主要问题是图像去噪和图像分割，包括图像变换、中值去噪、阈值分割、真彩色处理。考虑到Matlab在矩阵计算，实现算法，数据可视化方面的特点，通过分析本文采用MATLAB程序处理数字图像。本文应用中值去噪，编写了相关MATLAB程序。中值滤波在图像处理中,常用于用来保护边缘信息,是经典的平滑噪声的方法。在一

2、定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。采用运算速度比较快的阈值分割方法，编写了相应MATLAB程序。通过多幅图像的实验，结果表明：该方法可以去除激光图片背景噪声。关键词：图像去噪；中值去噪；MATLAB；图像分割 Study on background noise of the Laser imageAbstractThe paper is mainly apply for image processing in image denoising. Solve the main problem is image denoising and

3、image segmentation.,including image transformation、median denoising、threshold segmentation、false color processing. Considering the matrix Matlab algorithm, the calculation, data visualization features, through the analysis based on Matlab digital image processing. This application value and denoisin

4、g MATLAB procedures related. The median filter in image processing, often used for protection of the edge information, is the classic method of noise smooth. Under certain conditions, which can overcome the linear filter, and image details of fuzzy filter pulse jamming and most effective noise image

5、 scanning Using speed faster threshold segmentation method and prepared the MATLAB program. Through the experiment of many images, results show that this method can remove the laser images background noise.Key Words：Image denoising; Median denoising；MATLAB；Image segmentation目 录摘 要IAbstractII1绪论11.1

6、噪声图像模型及噪声特性11.1.1含噪模型11.1.2 噪声特性11.2 图像质量的评价21.2.1 主观评价21.2.2客观评价22 数字图像去噪方法42.1 传统去噪方法42.1.1 空域滤波42.1.2 频域低通滤波法52.2 小波去噪52.2.1 小波去噪的发展历程及研究现状62.2.2 小波去噪方法72.3 本文去噪方法73 总体设计方案83.1总体方案介绍83.2总体方案流程图84 激光光斑图像去噪104.1 中值去噪104.2 图像分割124.2.1 图像分割概述124.2.2 图像分割方法124.2.3 阈值分割154.3彩色处理17结 论19参 考 文 献20附录A 激光图像

7、背景去噪影响的研究主程序21致 谢241 绪论人类获取外界信息有视觉、听觉、触觉、味觉等多种方法，但绝大部分(约80%)是来自视觉所接收的图像信息，即所谓“百闻不如一见”。而图像处理就是对图像息进行加工处理，以满足人的视觉心理和实际应用的要求1。因此，图像处理技术的广泛研究和应用是必然的趋势。在分析和使用图像之前，需要对图像信号进行一系列处理。比如调整图像存储的格式，对图像进行去噪等等。图像处理是针对性很强的技术，根据不同用途、不同要求采用不同的处理方法。采用的方法是综合各学科较先进的成果而成的，如数学、物理学、心理学、生理学、医学、计算机科学、通信理论、信号分析、控制论和系统工程等，各学科相

8、互补充、相互渗透才使数字图像处理技术飞速发展2。在激光主动成像、激光大气传输等激光应用场合,激光束经远距离传输后的光斑图像将受到严重的噪声污染。一方面,由于环境背景光影响,激光光斑图像中夹杂着众多不同频率的噪声,使得图像轮廓模糊,像质差,图像的信噪比降低;另一方面,图像采集时总会受到CCD的热噪声、读出噪声、A /D转换噪声、量化噪声的干扰。这些噪声极大地影响了上述应用场合的光斑分析,尤其是在暗背景条件下, CCD的光子噪声成为制约图像信噪比的主要因素,低信噪比条件下的激光光斑图像预处理技术是目前激光图像处理的一个研究热点。1.1 噪声图像模型及噪声特性1.1.1含噪模型现实中的数字图像在数字

9、化和传输过程中，常受到成像设备与外部环境噪声干扰等影响，成为含噪图像。去除或减轻在获取数字图像中的噪声称为图像去噪,在图像去噪之前我们先要建立一个含噪图像的模型，为了简便，我们研究如下的加性噪声模型，即含噪图像仅由原始图像叠加上一个随机噪声形成: （1-1）表示图像，为噪声，含噪图像记为。1.1.2 噪声特性在对这个含噪模型进行研究之前，我们有必要了解一下噪声的一些特性，经常影响图像质量的噪声源可分为三类。人们对其生成原因及相应的模型作了大量研究3:1、电子噪声。在阻性器件中由于电子随机热运动而造成的电子噪声是三种模型中最简单的，一般常用零均值高斯白噪声作为其模型，它可用其标准差来完全表征。2

10、、光电子噪声。由光的统计本质和图像传感器中光电转换过程引起，在弱光照的情况下常用具有泊松分布的随机变量作为光电噪声的模型，在光照较强时，泊松分布趋向于更易描述的高斯分布。3、感光片颗粒噪声。由于曝光过程中感光颗粒只有部分被曝光，而其余部分则未曝光，底片的密度变化就由曝光后的颗粒密集程度变化所决定，而算曝光颗粒的分布呈现一种随机性。在大多数情况下，颗粒噪声可用高斯白噪声作为有效模型。通过以上分析可以看出，绝大多数的常见图像噪声都可用均值为零，方差不同的高斯白噪声作为其模型，因而为了简便和一般化，我们采用零均值的高斯白噪声作为噪声源。1.2 图像质量的评价如何评价一个图像经过去噪处理后所还原图像的

11、质量，对于我们判断去噪方法的优劣有很重要的意义。现有的评价方法一般分为主观和客观两种。1.2.1 主观评价主观评价通常有两种4:一种是作为观察者的主观评价，这是由选定的一组人对图像直接用肉眼进行观察，然后分别给出其对所观察的图像的质量作好或坏的评价，再综合全组人的意见给出一个综合结论。它只是一种定性的方法，没有定量的标准，而且受到观察者的主观因素的影响，评价结果有一定的不确定性。另一种是随着模糊数学的发展，可以用模糊综合评判方法来尽量减少主观因素的影响，实现对图像质量近似定量的评价，不过它仍然没有完全消除主观不确定性的影响，其定量计算公式中的参数往往要依赖专家经验确定。1.2.2客观评价图像质

12、量的客观评价由于着眼点不同而有多种方法，这里介绍的是一种经常使用的所谓的逼真度测量。对于彩色图像逼真度的定量表示是一个十分复杂的问题5。目前应用得较多的是对黑白图像逼真度的定量表示。合理的测量方法应和主观实验结果一致，而且要求简单易行。对于连续图像场合，设为一定义在矩形区域，的连续图像，其降质图像为，它们之间的逼真度可用归一化的互相关函数K来表示: (l-2)对于数字图像场合设为原参考图像，为其降质图像，逼真度可定义为归一化的均方误差值NMSE： （1-3）其中，运算符表示在计算逼真度前，为使测量值与主观评价的结果一致而进行的某种预处理。如对数处理、幂处理等，常用的为,、b均为常数。 (l-4

13、)另外一种常用的峰值均方误差PMSE: (l-5)式中，A为的最大值。实用中还常采用简单的形式。此时，对于8比特精度的图像，A=255，M、N为图像尺寸。峰值均方误差PMSE也被表示成等效的峰值信噪PSNR: （1-6）主观评价和客观评价这两种图像质量评价标准有各自的优缺点。由于人眼视觉特性的准确模型还没有完全建立起来，因此主观评价标准还只是一个定性的描述方法，不能作定量描述，但它能反映人眼的视觉特性。峰值信噪比能够对图像质量给出定量的描述。它是一种数学上统计的处理方法，其缺点是它并不是总能反映人眼的真实感觉。一种折衷的方法是在衡量图像“去噪”算法的优劣时，将主观与客观两种标准结合起来考虑。2

14、 数字图像去噪方法2.1 传统去噪方法对随时间变化的信号，通常采用两种最基本的描述形式，即时域和频域。时域描述信号强度随时间的变化，频域描述在一定时间范围内信号的频率分布。对应的图像的去噪处理4方法基本上可分为空间域法和变换域法两大类。前者即是在原图像上直接进行数据运算，对像素的灰度值进行处理。变换域法是在图像的变换域上进行处理，对变换后的系数进行相应的处理，然后进行反变换达到图像去噪的目的。2.1.1 空域滤波(1) 均值滤波邻域平均法是一种局部空间域处理的算法。设一幅图像为的阵列，处理后的图像为，它的每个像素的灰度级由包含领域的几个像素的灰度级的平均值所决定，即用下式得到处理后的图像: (2-l)式中；s是以点为中心的邻域的集合，M是s内坐标总数。图像邻域平均法的处理效果与所用的邻域半径有关。半径愈大，则图像模糊程度也愈大。另外，图像邻域平均法算法简单，计算速度快，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处，邻域越大，模越厉害。(2) 中值滤波中值滤波是一种非线性滤波6-7