基于数学形态学的图像滤波研究(3)
近十几年来年随着 Donoho 基于小波的阈值去噪算法的提出，研究者们不断计算新的阈值参数，形成了更多的阈值去噪算法。如为寻找最佳阈值而提出的数据自适应阈值算法以及平移不变算法等提高图像去噪质量的算法。 从前人提出的去噪算法中可以看出：由于噪声类型的复杂性以及图像的多样性，以前的论文中提出了很多不同的去噪算法。和其他领域的处理技术不同的是，由于各种算法的着眼点各不相同，处理手段也大相径庭。而且这些方法针对不同的噪声以及不同类型的图像处理效果有很大的差异：比如有的算法对高斯噪声有很好的处理效果但用同样这个算法对对椒盐噪声进行处理效果却很一般。而在这些目前流行的方法中，作为一门新兴的图像处理与分析学科, 数学形态学的运算既能有效地滤除噪声, 又可以保留图像中的原有信息, 有效地恢复噪声污染的二值图像。所以很多现行的图像去噪方法都用到了数学形态学。例如：向静波、苏秀琴提出了基于数学形态学的金字塔图像去噪方法，利用形态膨胀算子对变换系数进行分类取得更好的去噪效果。毕晓军、马海彦等提出了改进的形态学滤波器——全方位结构元素层叠滤波器。焦斌亮、胡永刚等提出了一种基于局部多结构元素形态学的边缘检测的修正算法，对传统的结构元素进行了修正和改进。谢可夫、罗安还与物理学中的量子力学相结合，把形态学的基本算子扩展到叠加形态学基本算子。 由于自然图像的多样性、噪声本身的复杂性, 目前所涉及的大部分滤波算法都是针对特定图像和特定噪声提出的, 迄今为止没有一种通用的滤波算法能对不同类型的图像噪声都能取得很好的效果; 同时对于数字图像处理结果的评价主要由人眼来主观的判别, 缺乏一种统一的衡量标准。当然去除噪声的同时尽量多保持图像的细节特征一直是各类图像去噪算法（包括数学形态学算法）所一直追求的目标。因此以下将会是图像去噪算法的发展趋势：
下一篇：铁氧体微波器件的时域谱元法研究