自适应TV图像去噪模型开题报告

1. 研究目的与意义

图像在形成、传输、接收和处理过程中,不可避免地受到噪声的影响,如光电转换过程中灵敏元件的灵敏度不均匀性、数字化过程的量化、传输过程中均会存在不同程度的噪声干扰(高斯噪声、椒盐噪声等)。噪声恶化了图像质量,淹没了图像特征,给图像分析带来困难。不同的噪声去噪的方法也不同。图像去噪的应用范围很广，日常生活、工业生产中都会有涉及。对图像进行后续处理前，必须先对图像去噪。因此,去除噪声是图像处理中的一项重要内容。

2. 国内外研究现状分析

噪声在理论上可以定义为不可预测的，只能用概率统计方法来认识的随机误差。由于概率分布函数和概率密度分布函数描述方法很复杂，通常是用其数字特征，即均值方差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。传统的图像去噪方法:包括各种均值滤波器、顺序统计滤波器、白适应滤波器以及近年来出现的形态学滤波器、偏微分方程去噪方法和小波去噪方法。这些方法针对不同的噪声有着各自不同的优势和弊端，因此图像去噪一直在迅速的发展，以求找到更多更好的去噪方法。

3. 研究的基本内容与计划

一、研究内容

自适应是指处理和分析过程中,根据处理数据的数据特征自动调整处理方法、处理顺序、处理参数、边界条件或约束条件,使其与所处理数据的统计分布特征、结构特征相适应,以取得最佳的处理效果。为了克服tv图像和广义tv图像去噪模型的假边缘及p值敏感的缺点而对自适应tv去噪模型进行研究。利用matlab编写程序来验证该方法的有效性，从而更好的对图像进行去噪。

二、研究计划

4. 研究创新点

在自适应TV去噪模型中，利用图像中每一像素点的梯度信息，自适应选取去噪模型中决定扩散强弱的参数p(x,y),p=p(x,y)与图像中每一点的位置有关，图像中不同的点就具有不同的p值，使得该模型能根据每个像素点的特点来自适应地选取L1 p范数。其相对于其他去噪方法在低信噪比的情况下优势尤为突出。能够很直观的感受到图像质量的差别。