基于Matlab的几种常用滤波方法的比较与分析开题报告

全文总字数：1822字

1. 研究目的与意义

信号在采集、传输、转换或存储的过程中会受到各种随机干扰噪声的影响，从而使得信号质量下降，特征被淹没。为从噪声中恢复信号，就需要用到降噪滤波器对数据进行处理。

一般情况下图像的有用信息都集中在图像的低频部分噪声都集中在图像的高频部分，而往往图像的细节信息和边缘部分也是图像的高频部分，所以图像噪声的滤除就是要求所使用的滤波器不仅能够有效地去除噪声而且能尽可能保留图像的原貌。

旨在掌握几种常见滤波方法的原理，对被典型噪声污染的信号进行降噪处理。分析其滤波效果并比较各种滤波在去噪方面的优劣性和针对性。

2. 国内外研究现状分析

由于在实际应用中图像常受到不同类型噪声的同时干扰，为解决混合噪声图像的去噪问题，毕国堂等人结合了传统中值与改进均值滤波技术，提出基于粗集的图像混合噪声滤波算法. 该算法将粗集理论应用到图像滤波中，利用粗集理论的等价关系分离出不同噪声点及非噪声点,根据图像被污染的情况,选取不同的去噪策略对噪声进行滤除；董鸿燕为了解决混合噪声图像增强中抑制噪声和保持边缘细节的矛盾,提出一种基于多级中值滤波和模糊加权均值滤波的图像模糊去噪方法.他提出的算法在更好的平滑混合噪声的同时，具有较好的保持边缘细节的能力；陈友淦研究了维纳滤波器的阶数、随机信号采样点、噪声方差及滤波的均方误差之间变化的关系；杨辉等人发表了《基于中值滤波和维纳滤波的图像混合噪声滤波研究》，通过实验研究表明该算法的去噪效果显然比单一的中值滤波和维纳滤波好得多。

Pei-Eng Ng提出Boundary Discriminate Noise Detection（BDND）方法，该算法能准确地检测出受脉冲污染的像素，且保持较低的误判率；BLS-GSM 模型是由 Javier Portilla 等人提出的，它是目前去除高斯白噪声最好的方法之一。

3. 研究的基本内容与计划

1. 研究内容

本课题主要是实现几种常用滤波方法（中值滤波、均值滤波、高斯滤波、维纳滤波）的分析和比较

图像噪声的滤除就是要求所使用的滤波器不仅能够有效地去除噪声而且能尽可能保留图像的原貌。均值滤波、中值滤波、高斯滤波和维纳滤波是常用的几种图像去噪方法，通过对添加了不同噪声的图像进行了仿真实验。分别采用四种滤波方式对它们进行去噪处理，根据图像和客观数据分析比较这四种滤波方式的优劣性以及它们相互之间的差别。

4. 研究创新点

目前的图像去噪方法可以将图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。边缘特性是图像最为有用的细节信息，论文重在研究这几种滤波方式，以达到最优化，尽可能保持原始信号主要特征的同时除去信号中的噪声。本课题选取典型的被噪声图像进去研究，直观可信。