5 实验结果分析 32

结 论 39

致 谢 40

参考文献 41

第 II 页 本科毕业设计说明书 

本科毕业设计说明书 第 1  页

1 引言

图像是人类感知世界、认识世界的视觉基础，是对客观事物的一种描述，包 含着大量的信息。在科技飞速发展的现代社会，人们不仅可以获得可见光范围内 的图像，还能利用非可见光和其他手段获得很多正常情况下人眼不可见的图像， 这大大的延伸了人的视觉能力。因为图像与人类活动之间的密切关系，图像处理 跨越许多领域，应用十分广泛，如智能采摘机器人、空间碎片跟踪、地震灾害评 估以及医疗成像等，同时也给人们带来巨大的社会和经济价值。论文网

1。1 研究背景

在实际应用中，人们通过各种手段获得的图像经常受到外界以及系统内部的 噪声的干扰。噪声不仅使图像的视觉效果变差,它还会影响人们对其中包含的信 息的理解。特别是当噪音强度很大的时候，图像几乎是畸形的，存储的信息也严 重丢失，很明显，图像去噪在图像处理、识别以及理解中是不可或缺的[1]。2016 年 2 月，国家天文台对外发布了嫦娥 3 号在月面拍摄的图像数据，4 月，迄今为 止清晰度最高的月球表面照片公开发布，向我们展示了更真实更清晰的月球，同 时为相关研究提供了更准确的资料，这些高清照片的获取以及后续研究都离不开 图像去噪和其他图像处理技术。

图像去噪也被称为图像滤波，即利用各种方法滤除已知图像中的噪声。在图 像处理的整个过程中，去噪位于处理前端，只有经过滤波去噪提高图像质量，才 能方便后续的各种处理和识别，因此，对图像去噪方法进行研究和运用具有非常 重要且现实的意义[2]。

图像的去噪和增强处理，不仅要去除图像噪声，还要尽可能保留细节纹理等 信息。但这两者通常是作为一对矛盾出现的，它们都位于图像频谱中的高频部分， 即图像中变化较快的区域[3]。想要彻底去除噪声，就会损失很多细节纹理信息； 要保留细节，噪声也会有残留。因此，如何研究或改进算法，使得噪声被尽量去 除，并且细节也能够得到很好地保存就成了图像去噪研究的重点。同时，这两项 指标也是评判一种算法实际去噪效果的重要指标。文献综述

1。2 研究发展历程与现状

1。3 论文组织架构以及章节安排

本论文主要研究基于非局部的复合图像滤波算法，即将非局部方法和变换域 去噪法相结合，探索如何匹配能够达到更好的去噪效果，并进行验证。

本论文的章节安排如下： 第一章：引言。简述了图像去噪的研究背景、研究发展历程与现状以及论文

组织架构以及章节安排。 第二章：常用图像去噪算法特点及分析。具体分析几种常用的图像去噪算法，

包括空间域的均值滤波和中值滤波，以及变换域的傅里叶变换和小波变换。 第三章：非局部去噪算法特点分析。主要介绍了非局部均值算法的基本原理、

快速非局部去噪算法以及自适应非局部去噪算法。 第四章：基于非局部的复合图像滤波算法的设计。详细介绍了该算法的研究