毕业论文课题相关文献综述

一．图像去噪技术在国内外应用现状与发展趋势^[1-3]

在现阶段，涌现了许多平滑图像的方法，其中，空域平滑研究得比较深入，基本上形成了相对比较系统的算法。均值滤波的基本思想是选定中心像素，将其邻域中的各像素的灰度值求和取平均值，所得的平均值来代替所选定的中心像素点的灰度值。然而，空间平滑算法存在一个问题，即它平滑噪声的同时，模糊了图像的细节，这是因为平均就是使用平均值，改变了所有元素的灰度值，使得图像变得模糊。在空间域中的低通滤波方法也能用于平滑图像中的噪声，它是利用低通卷积模板在空间域通过二维卷积去除噪声的。多图像平均法是对同一地点的同一场景拍摄多张图片，然后对这些图片求平均值，因此需要大量图片。

除此之外，人们对保持边界清晰程度的非线性滤波算法研究也比较多，比如中值滤波，它既能很好地去除图像中的椒盐噪声，对于保持边界良好性也起到了很好的作用，但是它不适合消除高斯白噪声，而且不适合于含有很多细线等细节较多的图像。但由于它涉及不到图像的统计特性，所以在某些方面得到了广泛的应用。与利用傅里叶变换去噪相比，小波变换的优势更加明显，因为它无论是在频域还是在时域都具有良好的局部化性质，即可以将图像映射在多个分辨率层次上，此外，它还能发现某个局域空间内像素值发生突变，尤其在去除含有高斯噪声的图像效果显著，所以越来越受到重视，越来越多的人也开始利用小波变换去噪的算法进行噪声的滤除。利用小波去噪的方法通常分为以下三类：

（1）基于小波变换的去噪方法；

（2）小波变换模极大值去噪方法；

（3）利用阈值函数和阈值滤除噪声的方法。

其中，第三类方法应用尤为广泛.自小波阈值萎缩方法问世以后，这种方法就成为了人们研究的主流方向。此后，人们便开始在硬阈值和软阈值函数的基础上对阈值函数进行一系列的改进，并开始尝试放弃使用全局阈值，在小波变换中引入局部阈值。同时，人们也开始探索脊波和曲波等的滤噪算法，弥补了单一图像去噪方法的不足。

国内外图像去噪算法的研究热点和趋势有以下六个方面^{[4] [5]}：

(1)在均值理论基础上提出了快速自适应滤波器，这种滤波器可以同时处理含有椒盐噪声和脉冲噪声等混合噪声的图像。

(2)现在很多去噪方法并不是单一理论的去噪算法，而是将多种方法结合，这种结合并不是简单的叠加，而是利用各自的特性弥补对方的缺陷。