图像去噪算法研究论文中期检查进度

图像去噪算法研究论文中期检查进度进度计划2014年11月10日—2014年12月15日收集资料，通过学习相应书记和查阅资料，了解课题研究的基本内容、目的和意义，对课题目前的发展和较为常见的图像去噪算法有所了解和掌握，确定设计思路,完成任务书的撰写。2014年12月16日—2015年2月28日学习了解中值滤波、均值滤波和小波变换的原理以及特性。2015年3月1日—2015年3月9日撰写开题报告及开题报告答辩PPT，准备开题答辩。2015年3月10日—2015年3月25日巩固和学习Matlab的使用，针对设计中使用的算法，编制处理程序，并上机进行调试和优化，对图像处理过程进行仿真。2015年3月26日—2015年4月9日根据实验仿真结果，分析去噪后的图像的各种性能指标，整理得出结论，验证自己的算法研究。完成论文初稿并准备论文检测。2015年4月10日—2015年4月30日对论文进行仔细审查，对论文中出现的问题进行修改，准备答辩。已完成内容：1.搜集查阅相关资料，分析图像降噪的现状及其研究意义。提出现今图像去噪处理存在的问题：如何还原含有高密度噪声的图像。2.通过查阅相关文献资料，了解图像噪声的来源和特性，为后面对图像去噪算法的理解有所帮助。掌握了图像去噪技术的相关实现原理，研究分析各种滤波算法（中值滤波、均值滤波、维纳滤波等），掌握图像去噪的方法。3.对本课题使用的软件Matlab的概况、发展历程、语言特点进行了了解，熟悉了软件在图像处理应用时的常用函数及其用法。4.针对设计中使用的算法，编制完成了处理程序，对一张图片进行加噪（含高斯噪声和椒盐噪声），并用上几种去噪方法实现噪声图像的降噪处理。并比较不同算法的降噪性能，对三种方法的优缺点进行相应的分析。并得到以下结论：均值、维纳滤波对高斯噪声的抑制是比较好的，中值滤波对椒盐噪声特别有效，而对高斯噪声效果不佳，维纳滤波缺点就是容易失去图像的边缘信息。5.对中值滤波的缺点进行改进，通过与能量最小化相结合，提出了改进的中值滤波算法，以及可滑动滤波窗口的噪声点检测算法。针对改进的算法，编制处理程序，完成了上机进行调试和优化。6.通过实践验证了改进的算法在图像降噪中的有效性，能较好地还原含有高密度噪声图像。最后对改进的算法的优缺点进行分析，完成了论文初稿的撰写。通过认真阅读国内外关于去除图像噪声的相关文献和书籍，同时研读数字图像处理相关知识，学习求解最优解决问题的方法。在大量阅读文献的基础上通过使用MATLAB软件进行仿真实验，并总结每种方法的优缺点，并提出新的能量最小模型及在此基础上的改进的中值滤波算法；同时研究并提出可变化的滑动滤波窗口噪声检测算法。通过努力，达到最终目的，能够在替换像素灰度值时给予判断，以达到保持图像的细节信息与边缘信息的目的，甚至更好地还原含有高密度噪声图像，最大限度地去除噪声。图像在获取和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可能保持原始信号主要特征的同时，除去信号中的噪声。目前的图像去噪方法可以将图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。边缘特性是图像最为有用的细节信息，本文对邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的图像去噪算法进行了研究分析和讨论。第2章Matlab简介：介绍软件Matlab的概况、发展历程、语言特点、图像处理应用时的常用函数及其用法。第3章图像去噪算法：简要说明了图像噪声的概念及分类，详细阐述了邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的去噪原理及特点。第4章基于Matlab的图像去噪算法仿真：根据邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法原理分析，运用Matlab仿真软件编写代码，对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，并对结果分析讨论，比较几种方法的优缺点。本章主要内容是应用均值滤波法、中值滤波法、维纳滤波法对含噪声的图片去除噪声，应用的仿真软件是Matlab7.0软件。并得到以下结论：均值滤波是典型的线性滤波，对高斯噪声的抑制是比较好的，但对椒盐噪声的抑制作用不好；中值滤波对椒盐噪声特别有效，取得了很好的效果，而对高斯噪声效果不佳；维纳滤波对高斯噪声有明显的抑制作用，缺点就是容易失去图像的边缘信息。