基于不確定性理論的圖像濾波.pdf

1、在信息時代，信息獲取、信息的綜合分析和處理、信息融合成為信息技術領域的研究熱點.我們獲取信息資源的主要載體是信息系統(tǒng)，它必然成為信息科學的主要研究對象.由于信息系統(tǒng)含有大量信息，常常具有明顯的不確定性.在圖像處理過程中，經常見到被噪聲損害的圖像.圖像在傳輸或采集過程中得到的最常見的噪聲類型是脈沖噪聲，也稱為椒鹽噪聲.該種類型的噪聲像素灰度值的特點是，在一個動態(tài)的有效值范圍取得最小或最大值.由于采集和傳輸是得到圖像的必備渠道，因此對信號中

2、去除噪聲數據，特別是去除脈沖噪聲，已出現了許多方法.這也就不難解釋在圖像重構過程中，去除噪聲是一種常見的甚至是必須的預處理步驟.經過這個步驟，圖像能夠呈現更好的視覺特性或提供更有意義的數據信息.
　　本文討論不確定性理論在圖像處理中的應用，提出了幾種新的濾波模型.主要工作如下:
　　(1)給出了一種基于圓形窗口的差值濾波算法.將模板窗口設置為圓形，保證了各方向的像素點對當前像素具有同等貢獻.根據圓形模板內像素的有效面積為參與

3、計算的像素點設置權值，與像素灰度值一起形成有效值.在模板內進行四方向插值擬合，計算出的結果作為估值，將其賦予噪聲像素，從而達到去噪的目的.
　　(2)提出了新的直覺模糊集的去噪方法.對模板中的每一個像素值分別構造關于每一像素灰度t的關于背景和關于對象的兩個直覺模糊集.提出了直覺模糊像素集的熵的概念，由它計算分割需要的最佳閾值.按該閾值對模板中的像素進行分割，判定噪聲應屬于對象還是背景，按相應區(qū)域內像素的平均值對噪聲像素賦值，從而達

4、到去噪的效果.同時給出了該方法去除不同密度噪聲圖像的實驗結果.
　　(3)提出了一種新的基于D-S證據理論的圖像去噪算法，以3×3及5×5模板為例，給出了兩組證據濾波合成的算法.用每個像素的灰度值除以該行的行灰度值，即可將每一個像素的灰度值限制在區(qū)間[0，1]內.這樣的每行像素值稱為一個濾波證據.用它們通過D-S合成規(guī)則計算出新的數據.若當前像素為噪聲，則用合成結果賦予當前像素值.同時，提出了多組證據濾波合成算法，可以對模板內同時