基于图像局部特性的图像去噪方法研究开题报告

全文总字数：2501字

1. 研究目的与意义

图像是人类获取信息的重要手段之一，图像在信息传播过程中所起的作用越来越大。在许多情况下，图像信息会受到各种各样噪声的影响，因为图像在获取过程中容易受到器件和周围环境的影响，从而使图像中含有噪声。噪声严重时会影响图像中的有用信息，所以对图像的噪声处理的方法就显得十分重要。

研究目标：图像去噪是数字图像处理中的重要环节和步骤，它是图像的预处理阶段。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。为了更好地改善图像的质量，得到信噪比较高的图像，为图像的后续处理提供个精确地信息，图像去噪的研究就显得十分重要了。研究是为了在众多的图像去噪的算法中确定不同算法的特性以及实用条件。

研究意义：图像去噪方法的研究具有广泛而深远的意义。体现在实际生活应用上，譬如说，由于不同的成像机理，得到的初始图像中含有不同性质的噪声，这些噪声的存在影响着人们对图像的观察，干扰人们对图像信息的理解。噪声严重的时候，图像几乎产生变形，使得图像失去了存储信息的本质意义。显然，对图像去噪处理，是正确识别图像信息的必要保证。

2. 国内外研究现状分析

国外研究现状：在数字图像处理的领域里，输入的质量低的图像，输出是改善质量后的图像。对于含噪图像，模糊图像等退化图像，图像处理的过程就是对图像品质的提升。图像去噪是图像分析和计算机视觉中十分重要的技术。到目前为止已相当成熟，主要方法分为两大类：空间域法和频域法。在空间域中，去噪主要是邻域平均法和中值滤波法等。频域中常规的去噪是将被噪声干扰的信号通过一个滤波器，滤除噪声频率成分。但对脉冲信号、白噪声、非平稳过程信号等等，存在一定的局限性。因此寻找能够兼顾去噪，保留图像边缘及其他特征的图像的滤波算法是该领域的重点课题。

国内研究现状：我国数字图像处理技术起步较晚，但在学习国外技术的基础上发展迅速。近些年来，小波理论得到了非常迅速的发展，而且由于其具备良好的时域局部化和多分辨率分析能力，因而在图像处理各领域的实际应用非常广泛。如非线性小波变换阈值法去噪，小波变换模极大值去噪及基于小波变换的尺度相关性去噪。，近年来提出了基于小波变换和神经网络相互结合的去噪方法应运而生，这种方法也必将成为今后图像去噪的主要发展趋势之一

3. 研究的基本内容与计划

研究内容：

尝试提出一种新型的图像去噪算法，通过实验数据对该算法的性能进行分析。并与现有的图像去噪算法比对，以便得出新算法的优缺点，适用性等特性。

研究计划的大致步骤：

4. 研究创新点

新的图像去噪算法现在虽然还没想出来，但是具有新的特性，能弥补某些现有图像去噪算法的不足，扩大图像去噪领域的应用范围。