编号：____________审定成绩：____________毕业设计（论文）设计（论文）题目:_利用图像滤波算法实现对高椒盐噪声的去噪处理单位（系别）：通信与信息工程系______学生姓名：_______杨建春_________专业：__电子信息工程________班级：____06111203__________学号：__10__________指导教师：_____靳艳红___________答辩组负责人：______________________填表时间： 2016年5月重庆邮电大学移通学院教务处制重庆邮电大学移通学院毕业设计(论文)任务书设计(论文)题目利用图像滤波算法实现对高椒盐噪声的去噪处理学生姓名杨建春系别通信与信息工程系专业电子信息工程班级 06111203指导教师靳艳红职称讲师联系电话教师单位重庆邮电大学移通学院下任务日期2016年__1__月_ 4__日摘要图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。
图像信号在获取和传输过程中，不可避免地受到各种噪声的污染，从而导致图像质量退化，对图像的后续处理，如边缘检测、图像分割、特征提取、模式识别等产生严重的影响，因此图像去噪是图像预处理的一个非常重要的环节。
数字图像噪声去除涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘科学，如今其理论体系已十分完善，且其实践应用非常广泛，在医学、军事、艺术、农业等方面都有广泛且成熟的应用[1]。
本文首先介绍了图像去噪的研究背景和意义、图像滤波算法的发展概况及方法;然后介绍了图像噪声的分类和数学模型，并着重介绍了传统的图像去噪算法：均值滤波器、中值滤波器和自适应滤波器以及对应的去噪算法。
对常用的几种阈值去噪方法进行了分析比较和仿真实现。
最后结合理论分析和实验结果，讨论了一个完整去噪算法中影响去噪性能的各种因素。
为实际的图像处理中，去噪算法的选择和改进提供了数据参考和依据。
【关键词】自适应滤波器均值滤波器直方图梯度椒盐噪声加权中值滤波高斯降噪ABSTRACTImage is an important source of information by image processing can help people understand the connotation of information. And obtaining an image signal in the transmission process, inevitably contaminated all kinds of noise, resulting in degradation of image quality, image subsequent processing, such as edge detection, image segmentation, feature extraction and pattern recognition have a serious impact, thus denoising is a very important part of image preprocessing. It relates to the field of digital image noise removing optical systems, microelectronics, computer science, mathematical analysis, is a highly comprehensive interdisciplinary science, now has its theoretical system is perfect, and the practice is widely used in medical, military respect, art, agriculture and others have a wide range of sophisticated applications.This paper introduces the research background and significance, image filtering algorithm development situation and method for image denoising; then introduces the classification and mathematical model of image noise, and highlights the traditional image denoising algorithm: mean filter, median filter and adaptive filter and the corresponding de-noising algorithm. Several commonly used thresholding method were analyzed and compared and Simulation. Finally, the theoretical analysis and experimental results, a complete discussion of the various factors affecting denoising denoising performance. The actual image processing, de-noising algorithm selection and improve the delivery of reference data and evidence.【Key words】Adaptive filter Mean filter Salt and pepper noise gradient histogram Weighted median filtering Gaussian noise目录前言 (1)第一章图像去噪算法综述 (2)第一节图像去噪方法概述 (2)第二节图像噪声模型 (3)第三节图像去噪质量的评估方法 (4)第四节中值滤波 (6)第五节维纳滤波 (6)第六节均值滤波 (7)第七节本章小结 (9)第二章几种中值滤波去噪方法分析 (10)第一节标准中值滤波方法 (10)第二节带权值的中值滤波方法 (11)第三节三态中值滤波方法 (12)第四节自适应中值滤波方法 (13)第五节本章小结 (15)第三章基于噪声检测的自适应中值滤波 (16)第一节噪声检测机制 (16)第二节椒盐噪声滤除方法 (21)一、噪声滤除策略 (22)二、动态窗口策略 (23)第三节本章小结 (24)第四章仿真结果 (25)第一节均值滤波仿真 (25)第二节中值滤波仿真 (28)第三节维纳滤波仿真 (29)第四节本章小结 (29)结论 (30)致谢 (31)参考文献 (32)附录 (34)一英文原文 (34)二英文翻译 (38)前言我们对图像去噪的目的是提高给定的图像质量，解决实际图像因为该图像质量劣化的噪声。
通过去噪技术可以提高图像质量，增加信噪比，更大程度地反映原图象的信息，作为一个非常重要的预处理装置，人们已经对去噪算法进行了非常广泛的研究。
现在所有的去噪算法，在低维信号和图像处理方面取得了良好的的效果，但不能用于高维图像信号处理;或者也许有很好的去噪效果，但的图像的边缘信息的一部分，或在检测图像的边缘信息上面保持不了图像细节。
如何找到在抵抗噪声的良好平衡和保留细节找到平衡点，成为在近几年研究的焦点。
图像数据的共模噪声有两种，一种是高斯噪声，另一个是椒盐噪声。
高斯噪声对原始图像造成的影响比较小，椒盐噪声相比原图像造成的影响比较大，因为它是由图像的极值组成，所以会产生一个严重的图像扰动[2]。
在椒盐噪声这方面，人们已经提出了各种非线性滤波方法。
其中基于这样的思想而出现的滤波方法有：中值滤波的滤波算法；标准的中值滤波算法；加权中值滤波算法。
因为它们非常简单，而且易于实现，并具有保留图像细节部分的能力，所以它们一直是人们关注的焦点。
但是，由于这些算法的最大缺点是所有的像素都是统一的处理方法，因此，在过滤掉噪声的同时，也影响了远图像中非噪声像素的灰度值，从而导致了模糊的图像。
在最近几年，很多人提出了多种基于先定位、后滤波的思想的滤波算法。
虽然相对于传统的中值滤波方法都有了很大的提高，但对图像的更严重的污染，会出现一个大型过滤窗口过滤图像模糊，小型过滤器窗口不能很好去除噪声问题。
如何找到一个很好的平衡，抗噪，并保留细节，成为近年来研究的焦点【关键词】滤波算法椒盐噪声模拟仿真中值滤波第一章图像去噪算法综述去噪图像复原是指分析有噪声的图像，然后设计滤除噪声的方法，从而提高了给定图像的效果。
常见的图像噪声滤波方法有均值滤波、中值滤波、维纳滤波。
我们实际生活中由于各种不确定的因素干扰图像，出现噪声的原因很多。
导致图像噪声去除的时候很复杂。
因此，当对图象噪声进行滤波的时候，需要有效地去除包含在图像上尽可能多的噪声并尽最大可能保留原始图像原貌和细节，改进图像质量。
第一节图像去噪方法概述在实践中，人们需要对有噪声图像进行滤波处理并移除负面效果，并且将被污染的图像噪点遮蔽并改变整个主体感官，和信噪比污染的影响，从而提高了图像质量的结果图 1.1图像退化-复原过程的模型人们在实验模拟中，为了控制该图像噪声密度，以及更准确地计算图像滤波前和过滤后峰值信噪比，和无噪声图象退化而得到噪声图像，然后通过含过滤噪声的映像进行恢复。
假设需要输入图像(,)g x y，原始图像可被设置为一f x y和降解图像过程，得到退化图像(,)个降解功能，并添加附加噪声(,)n x y。
对于发生线性变化和位置不变性的退化过程，冈萨雷斯在《数字图像处理》这一本书中给出了在空间域中的如下退化模型[2]：()()()()y x n y x f y x h y x ,,*,,g +=式中()y x h , 就是退化函数的空间描述。
通过退化函数与原始图像的空间卷积操作以得到空间退化图像，并且在退化完成后再加上一个加性噪声项就完成了退化的这个过程。
分析退化模型，制定相反的过程进行处理就是图像的复原过程，从而复原出原图像()y x f ,'。
图像退化到复原的这整个过程模型如图所示：第二节 图像噪声模型数字图像的噪声一般都是来自于将图像数字化过程和传输的过程。
在这两个过程中由于受到环境条件的影响和设备的性能质量原因以及不可控因素的影响，使得图像必不可免的产生噪声。