聯(lián)合空域和頻域的圖像去噪算法及其應(yīng)用研究.pdf

1、圖像去噪的主要目的是有效改善給定圖像的質(zhì)量，解決實(shí)際圖像被噪聲污染后圖像質(zhì)量下降的問題。通過去噪技術(shù)可以對圖像質(zhì)量有所提高，同時使圖像峰值信噪比（Peak Signal to Noise Ratio，PSNR）增大，更好地增強(qiáng)原來圖像所包含的信息。作為一種重要的圖像處理手段，圖像去噪算法的研究經(jīng)久不衰。
　　現(xiàn)有圖像去噪算法中，有的去噪算法在低維信號圖像處理中取得較好效果，卻不適用高維信號圖像去噪處理;或者去噪效果較好，卻丟失部分

2、圖像邊緣信息;或者致力于研究檢測圖像邊緣信息，而缺失對圖像細(xì)節(jié)的保留。如何在抵制噪聲和保留細(xì)節(jié)上找到一個較好的平衡點(diǎn)，是本文致力解決的問題。本文的主要貢獻(xiàn)有:
　　(1)綜述了圖像去噪的國內(nèi)外研究現(xiàn)狀，并對圖像噪聲類型及常用的去噪方法的相關(guān)基礎(chǔ)理論進(jìn)行了簡單介紹，分析了現(xiàn)有的圖像去噪算法的優(yōu)缺點(diǎn)。
　　(2)針對空間域?yàn)V波方法和頻域?yàn)V波方法的不足問題，文中從三個方面對空間域和頻域中的濾波方法進(jìn)行有效地結(jié)合，以提高圖像去噪效果

3、。首先，在空間域中選擇雙邊濾波器，以有效保留去噪圖像的邊緣信息。其次，在頻域中選擇小波變換并執(zhí)行短時傅里葉變換，以保留去噪圖像的紋理信息。最后，聯(lián)合空間域和頻域這兩種算法，對圖像噪聲有效去除。實(shí)驗(yàn)結(jié)果表明，本文聯(lián)合空間域和頻域的圖像去噪方法，在去除噪聲的同時，無論從視覺效果（即去噪圖像、邊緣檢測圖像及圖像灰度直方圖）還是定量性能評價上（例如Boat圖像在噪聲密度σ=0.2時，本文算法的PSNR值為37.88dB，比其他算法的PSNR值都

4、要高）都能有效地保留圖像邊緣和紋理。
　　(3)提出一種基于圖像去噪后的車流輛信息分割與識別方法。首先，利用上述基于空間域和頻域的圖像去噪方法獲得車流輛信息的關(guān)鍵幀圖像;其次，對獲得關(guān)鍵幀圖像利用垂直投影區(qū)域特征并結(jié)合Hough變換得到車牌的粗略定位分割結(jié)果;然后，基于該車牌圖像的粗略定位分割結(jié)果，采用支持向量機(jī)的方法，進(jìn)行車牌的精細(xì)定位分割并對車牌號碼進(jìn)行自動識別、提取;實(shí)驗(yàn)結(jié)果表明，本文提出的基于去噪后的車牌圖像的分割與識別方