论文总字数：18186字

摘 要

一般而言不同的噪声会在图像的生成过程中产生。噪声在图像处理过程中如输入过程、收集过程以及处理等环节和最后的输出结果都会带来某些负面影响，尤其在于图像的输入过程和采集过程中,如果有较大的噪声在输入过程中,一定会对后面的处理过程和最终的处理效果带来不利的影响。综上所述，在图像处理中如何有效的进行去噪是非常关键的内容。伴随着人类社会的不断进步和生产技术的迅速发展，图像处理在当代生活中的使用越来越丰富。当下国内和国外的图像去噪技术已经发展的较为成熟，也给我们带来了一些相当有效的去噪方法。当然对于类型不一样的噪声，其去噪的方法也会有不同。

本论文详细介绍了几种日常生活中比较常见的图像噪声，并且论述了以均值滤波和维纳滤波为主要方法的线性滤波法、以中值滤波为主要方法的非线性滤波法，小波滤波法，偏微分方程法的典型运用，同时采用matlab进行运行调试，得出运行的结果，最后把运行结果和结合理论知识结合起来，进行对比分析，得出这几种方法各自的优缺点和自适应特点。本论文对图像去噪几种方法的研究具有一定的参考价值和使用价值。

关键词: 线性滤波；非线性滤波；小波滤波；偏微分方程法

A Comparative Study of Image Denoising Method

Abstract

As a general rule, different noises appear during image formation. Noise result in some adverse impact in handing process such input process, collecting, procedure, processing and the final output, especially in the input process and in the process of image acquisition. In summary, we can conclude that how denoising effectively is a key part in image processing. With the boom development of society and technical production, image processing in common life is being used more and more in various forms. Nowadays, image denoising technology has advanced greatly and brings us some effective denoising methods. Certainly, we should use different denoising method to deal with different type of noise.

This paper introduces several common image noise in daily life and clarify linear filtering with mean filter and Wiener filtering as the main methods, nonlinear filtering with median filtering as an alternative method,wavelet filtering method and typical application of partial differential equation method.Finally run a shakedown test by MATLAB, to get the result, and combine it with theory,contract and analysis to obtained the advantages and disadvantages of these methods and their own characteristics.This research to image denoising methods have certain references and values.

Keywords: Linear filtering; Nonlinear filtering; Wavelet filter; Partial differential equation method

目 录

第一章 绪 论 1

1.1 本文研究的背景意义 1

1.2 图像去噪的研究现状 1

1.3 本文研究的内容 2

第二章 基于几种经典滤波的图像去噪方法 3

2.1噪声的分类 3

2.2 均值滤波法 3

2.3 中值滤波法 4

2.4 维纳滤波法 4

第三章 基于小波变换和偏微分方程的图像去噪方法 6

3.1 小波滤波法 6

3.2 偏微分方程滤波法 7

第四章 基于matlab的图像去噪实验结果分析 10

4.1 均值滤波法的去噪实验 10

4.2 中值滤波法的去噪实验 10

4.3 维纳滤波法的去噪实验 11

4.4小波滤波法的去噪实验 12

4.5偏微分方程滤波法的去噪实验 13

第五章 结论 15

致 谢 17

参考文献(References) 18

第一章 绪 论

1.1 本文研究的背景意义

图像噪声的来源于三种情况：第一，伴随着光电和电磁的转换过程中带来的由于人为原因产生的噪声。第二，在电磁爆，大气中的闪电和风暴以及浪涌电压脉冲噪声干扰引起的。第三，由于物理量的粒子性或者不连续性所引起的自然起伏性噪声，其又可分为散粒噪声和热噪声等。^[1]在实际应用中的图像平滑处理，我们可以将图像噪声大概分为加性噪声和乘性噪声。前者如放大器噪声等。在任何点的像素噪声中，无论其输入信号大小，信号中肯定要加入噪声。对于后者乘性噪声，比如说有光量子噪声和胶片颗粒噪声等。因为传送每一个像素的载体会发生某些变化，而这些变化所产生的噪声会受到信息本身调控，所以在一些情况中，如果其信号变化很小，噪声也不会太大。所以为了简化分析处理，我们可以将乘性噪声近似看做是加性噪声，而且必不可少的假定信号和噪声在统计上是互相独立的。

人类要获得信息，图像是其中非常重要的措施，特别是在信息传播过程中，图像的作用越来越重要。噪声难免会在图像的处理过程中产生，很多情况下，噪声会给图像信息带来各种各样的不利影响，由于在获取过程中，设备条件和环境条件能够影响图像质量，所以图像会包含一些噪音。在学术中我们理解噪声为只能使用概率统计方法来认知的，并且不可预测的随机误差。^[2]换句话说，噪声是在随机中生成的，所以会有大小和分布的不确定性。

图像去噪的研究有着特别重大深远的意义，具体体现在实际生产生活当中。在噪声恶劣时，图像几乎会变形，让图像丧失其存储信息的根本用处。图像的去噪，不言而喻，是正确高效认知图像信息的根本保证。从航空航天到生物医学的各个领域，还有信息工程 、环境科学、天文学、工农业、国防、教育等其他领域，图像去噪对我们日常生活和社会发展进步有着至关重要的影响。^[3]

1.2 图像去噪的研究现状

在一些领域里，一些外国国家取得了丰富的科研成果，特别是在图像处理过程中，将低质量的图像输入，输出的则是质量改进后的图像，这样在图像处理的过程中，图像的品质得到了大幅度的提升。在计算机视觉和图像分析中，图像去噪的技术非常关键。从上个世纪七十年代开始，伴随于计算机技术及其人工智能的迅猛变革和发展，图像处理朝着更高的深层次发展。科学家已着手探索怎样使用计算机来阐释图像，已达到类似于人类视觉系统识别外在世界，此技术被称为计算机视觉。在一些发达国家，他们花更多的人力物力财力进行科研，取得了很多有用的成果。外国的图像去噪技术发展水平到现在为止已经非常成熟，其主要的图像去噪方法可以分为两大类：空间域法和频域法。第一，均值滤波法和中值滤波法是主要的空间域法。而在频域法中，常见的去噪方法是将带有噪声干扰的信号通过某个滤波器，滤波器将噪声频率成分去除。但这个方法对白噪声和脉冲信号的去噪效果不是太理想。所以寻找不仅能够有效去噪，而且还能尽可能的留存图像边缘和其他特征的图像滤波算法是我们进一步研究的重点和核心。

剩余内容已隐藏，请支付后下载全文，论文总字数：18186字