数字图像滤波算法的研究及应用

第1章 图像噪声复原基础及评价标准 1
1．1　数字图像复原简介 1
1．2 图像的噪声分类及噪声模型 2
1．2．1　噪声分类 2
1．2．2　噪声模型 3
1．3　图像去噪复原的主要方法 8
1．3．1　空域和频域 8
1．3．2　线性和非线性 9
1．3．3　综合方法 9
1．4　图像质量评价方法 10
1．4．1　主观评价法 10
1．4．2　客观评价法 11
1．4．3　无参照的图像质量评价法 13
1．5　本章小结 14
第2章 理论基础 15
2．1　模糊数学的有关理论 15
2．1．1　特征函数 15
2．1．2 模糊集合的有关概念 15
2．1．3　模糊性的度量 17
2．2 傅里叶变换的相关知识 19
2．2．1　傅里叶变换的原理和性质 19
2．2．2　快速傅里叶变换 25
2．3　小波变换 28
2．3．1　小波变换定义 28
2．3．2　多分辨率分析 30
2．3．3　常见的小波基函数 33
2．4　本章小结 34
第3章 空域滤波算法的研究机理及效果比较 35
3．1　邻域滤波及效果对比 35
3．1．1　均值滤波的类型及实现原理 35
3．1．2　高斯滤波及实现 37
3．1．3　统计排序滤波及算法实现 40
3．1．4　邻域滤波去噪效果研究 43
3．2 自适应滤波及效果比较 48
3．2．1 自适应局部噪声消除滤波器 48
3．2．2 自适应局部中值滤波 49
3．2．3　自适应维纳滤波 49
3．2．4　自适应滤波去噪效果分析 49
3．3　基于偏微分方程的去噪算法研究 52
3．3．1　偏微分方程去噪原理 52
3．3．2　偏微分方程滤波模型的导出 53
3．3．3　偏微分方程法的去噪比较 54
3．4　基于形态学的滤波算法及仿真实验 57
3．4．1　数学形态学滤波器概述 57
3．4．2　数学形态学的运算 58
3．4．3　形态学滤波器去噪算法仿真实验 61
3．5　本章小结 65
第4章 频域滤波算法及去噪效果对比研究 66
4．1　基于傅里叶变换的滤波算法 66
4．1．1　低通滤波及去噪效果比较 67
4．1．2　逆滤波及去噪分析 74
4．1．3　维纳（Wiener）滤波 77
4．1．4　带阻和带通滤波 80
4．2　基于小波变换的滤波算法 81
4．2．1　图像小波变换的实现原理 82
4．2．2　MATLAB中图像小波变换的函数分析 84
4．2．3　小波变换下的图像去噪及阈值分析 89
4．2．4　基于小波变换的图像去噪案例对比分析 93
4．3　本章小结 100
第5章　改进的滤波算法设计及实现 101
5．1 概述 101
5．2 基于模糊指标的中值滤波算法设计 102
5．2．1 几种改进的中值滤波算法 102
5．2．2 梯度算子 105
5．2．3 模糊指标 110
5．2．4 曲线拟合 113
5．2．5 算法设计 116
5．2．6 仿真实验与结果分析 128
5．3 基于序列图像的高密度脉冲噪声去除新方法 133
5．3．1 MMEM滤波算法 134
5．3．2 噪声检测 135
5．3．3 基于实验的算法设计 136
5．3．4 仿真实验与结果分析 139
5．4 本章小结 142
第6章　滤波算法在现代图像分析中的应用 143
6．1 滤波在医学图像处理中的应用 143
6．1．1 医学超声图像的去噪 143
6．1．2 新型冠状病毒图像去噪和识别 149
6．2 滤波在遥感图像处理中的应用 156
6．2．1 遥感图像去雾算法 157
6．2．2 遥感图像去周期噪声 164
6．3 滤波在智慧城市交通图像处理中的应用 168
6．3．1 运动图像和模糊算子 169
6．3．2 运动模糊图像的复原方法 172
6．3．3 运动模糊的汽车图像识别案例 180
6．4 本章小结 184
第7章 图像滤波的研究趋势分析 186
7．1 基于中国知网的学术关注度指数分析 186
7．2 对中国知网文献的计量可视化分析 187
7．2．1 发文数量分析 187
7．2．2 研究主题和关键词分析 188
7．2．3 期刊和机构来源分析 189
7．2．4 分布分析 190
7．2．5 文献互引网络关系分析 191
7．2．6 中英文献主题倾向性分析 192
7．3 本章小结 193
参考文献 194