通常情况下,线性滤波器可以方便的处理许多图像,实现滤波的效果,但是当信号的频谱区域与噪声的频谱区域相混合的时候,或者说信号当中具有非叠加性的噪声的时候,传统的线性滤波技术,在进行滤波操作的时候,不仅滤除了图像的噪声,同时也会在一定程度上,或多或少的模糊了图像的细节,进而降低了图像的线性特征,从而很难进行辨认,降低了图像特征的可抽取性,这种情况下我们通常会选择非线性滤波器。因为非线性滤波器与线性滤波器不同,它是基于对输入信号的完全不同的数学关系运算,它是一种非线性的映射关系,可以保留我们需要的信号的特征。非线性滤波器可以把图像中的某一特定的噪声近似地处理为零,在不考虑这一特定的噪声的情况下,在一定程度上,非线性滤波器能够克服线性滤波器的模糊的缺点。虽然非线性滤波器的优点比较多,但是非线性滤波器是没有相同的模式来处理的,所以很难对所有图像通用。在实际应用上,对于非线性滤波的问题,我们通常选择的方法仍然是用各种线性近似的方法来进行近似处理。
2.3 图像噪声简介
图像处理过程中,在图像中出现的,妨碍了正常读取图像信息的因素,就是图像的噪声。噪声在理论上讲是不能预测的,而只能用统计学的方法来认知。因此在描述图像噪声的时候,采用概率分布函数和概率密度分布函数。
对于噪声的分类,按照它的产生原因的不同,可以将它分为外部噪声和内部噪声两类。其中外部噪声指的是系统外部的干扰,导致系统内部产生一定的噪声信号[4]。如电气设备,自然放电的噪声就是外边噪声。内部噪声一般又可以分为四种。
1.由于光和电的最基本的性质产生的噪声;
2.电器中的机械运作时产生的噪声;
3.器件材料本身所引起的噪声;
4.系统内部中电子电路引起的噪声。
按照噪声的频谱来分类,可以分为白噪声,三角噪声,1/f噪声等。其中,白噪声指噪声的频谱均匀分布的情况,1/f噪声指的是频谱与频率成反比的情况,三角滤波指的是频谱与频率的平方成正比的情况。
按噪声与信号的关系,也可以把噪声分为几种,有加性噪声和乘性噪声两类。对于图像噪声的描述,可以由统计意义上的均值和方差来表示。假设图像信息的二文灰度分布为 ,噪声信息用 来表示[5]。对于噪声的表示,通常使用统计意义上的方差和均值来表示,这也就是我们要进行讨论的中值滤波和均值滤波的形式。
图像中的噪声的总体的强度的描述,可以由噪声的均值来表述,表示如下:
(2.1)
噪声的方差可以说明图像中噪声的分布情况,表示如下:
(2.1)
其中,M表示图像的行数,N表示图像的列数。
假设 是信号, 是噪声,在噪声的影响下的输出图像为 。
那么加性噪声模型就可以表示成: (2.3)
乘性噪声可以表示成: (2.4)
考虑到乘性噪声影响的时候,图像的输出是由两部分来组成的,第一项还是原来的图像信号,而第二个噪声项的信号也会受到影响, 越大,那么第二项的值就会越大,这也就表明噪声受到信号的调制。通常情况下,信号变化不大的时候,第二项近似不变,乘性噪声模型就可以使用加性噪声模型来处理,这就可以进行简化处理。
- 上一篇:基于分数阶傅里叶变换的数字水印研究
- 下一篇:基于空间相干性的焦场调控
-
-
-
-
-
-
-
现代简约美式风格在室内家装中的运用
C++最短路径算法研究和程序设计
中国传统元素在游戏角色...
江苏省某高中学生体质现状的调查研究
NFC协议物理层的软件实现+文献综述
高警觉工作人群的元情绪...
巴金《激流三部曲》高觉新的悲剧命运
浅析中国古代宗法制度
上市公司股权结构对经营绩效的影响研究
g-C3N4光催化剂的制备和光催化性能研究