| 【中文题名】 | 信息融合技术在图像滤波中的应用 |
| 【英文题名】 | Application of Information Fusion Technology in Image Filtering |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-9-26 |
| 【中关键词】 | 信息融合,图像滤波,混合滤波,合成熵,, |
| 【英关键词】 | Information Fusion,Image Filtering,Hybrid Filtering,Compositive Entropy, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 | 图像信号在产生、传输和记录过程中，经常会受到各种噪声的干扰，由于其严重地影响了图像的视觉效果，因此，在进行边缘检测、图像分割、特征提取、模式识别等工作之前，采用适当的方法减少噪声(即：进行图像噪声的滤波)，是一项非常重要的预处理步骤。对图像滤波的要求是，既能滤除图像中的噪声又能保持图像的细节。由于噪声和图像细节的混叠，所以在图像滤波中，图像的去噪与细节的保留往往是一对矛盾。图像滤波是图像处理中非常重要的技术环节，至今仍是图像处理领域的研究热点。
论文首先根据常见图像噪声的分类研究了高斯噪声滤波方法，脉冲噪声滤波方法和五种典型的混合噪声滤波算法，包括改进型均值滤波器(MTM)，中心加权的改进型均值滤波器(CWMTM)，分类均值加权中值滤波器(CAWM)，模糊加权均值滤波器(FWA)以及自适应中值加权均值滤波器(AMAWM)，并通过仿真实验比较了这五种混合滤波器的性能。实验结果表明其均能较好地滤除混合噪声，自适应中值加权均值滤波器(AMAWM)的滤波性能相对较优。
论文在深刻理解信息融合技术的基础上，通过理论分析，针对传统混合滤波器边界点判断采用单一准则的缺陷，提出了一种新型的基于... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
ABSTRACT |
6-8 |
|
目录 |
8-10 |
|
第一章 引言 |
10-13 |
|
1.1 图像滤波技术概述 |
10 |
|
1.2 信息融合技术在图像处理中的应用 |
10-11 |
|
1.3 论文的结构与内容 |
11-13 |
|
第二章 信息融合技术研究 |
13-22 |
|
2.1 信息融合概念 |
13 |
|
2.2 信息融合意义 |
13-14 |
|
2.3 信息融合分类和性能比较 |
14-17 |
|
2.4 信息融合系统 |
17-20 |
|
2.4.1 信息融合系统结构简介 |
17-18 |
|
2.4.2 构造融合系统 |
18-20 |
|
2.5 信息融合技术的发展与现状 |
20-22 |
|
第三章 图像滤波技术研究 |
22-44 |
|
3.1 图像噪声 |
22-23 |
|
3.1.1 噪声的特征 |
22 |
|
3.1.2 噪声的分类 |
22-23 |
|
3.2 图像质量评价方法 |
23-24 |
|
3.3 高斯噪声图像滤波方法 |
24-29 |
|
3.3.1 均值滤波介绍 |
24 |
|
3.3.2 简单均值滤波器 |
24-26 |
|
3.3.3 加权均值滤波器 |
26-29 |
|
算法步骤 |
27-28 |
|
仿真比较 |
28-29 |
|
3.4 脉冲噪声图像滤波方法 |
29-31 |
|
3.4.1 中值滤波介绍 |
29 |
|
3.4.2 简单中值滤波器 |
29-30 |
|
3.4.3 自适应中值滤波器 |
30-31 |
|
算法步骤 |
30 |
|
仿真实验 |
30-31 |
|
3.5 混合噪声图像滤波方法 |
31-40 |
|
3.5.1 改进的均值滤波器(MTM) |
31-32 |
|
算法步骤 |
32 |
|
3.5.2 中心加权的改进的均值滤波器(CWMTM) |
32-34 |
|
算法步骤 |
32-33 |
|
仿真实验 |
33-34 |
|
3.5.3 分类中值加权均值滤波器(CAWM) |
34-36 |
|
算法步骤 |
34-35 |
|
仿真实验 |
35-36 |
|
3.5.4 模糊加权均值滤波器(FWA) |
36-38 |
|
算法步骤 |
36-37 |
|
仿真实验 |
37-38 |
|
3.5.5 自适应中值加权均值混合滤波(AMAWM) |
38-40 |
|
算法步骤 |
38-40 |
|
3.6 五种混合滤波器比较 |
40-44 |
|
仿真实验 |
40-42 |
|
性能分析 |
42-44 |
|
第四章 基于合成熵的混合滤波器研究 |
44-62 |
|
4.1 合成熵的概念 |
44 |
|
4.2 合成熵算法 |
44-48 |
|
4.2.1 目标匹配 |
44-45 |
|
4.2.2 信息描述 |
45-47 |
|
4.2.2.1 不确定性描述 |
45-46 |
|
4.2.2.2 一致性描述 |
46-47 |
|
4.2.3 合成熵融合系数 |
47-48 |
|
4.3 基于合成熵的混合滤波器 |
48-58 |
|
4.3.1 合成熵混合滤波器的引入 |
48-49 |
|
4.3.2 信号检测基本判决准则 |
49-51 |
|
4.3.2.1 最小总错误概率(MTEP)准则 |
49-50 |
|
4.3.2.2 聂曼-皮尔逊(N-P)准则 |
50-51 |
|
4.3.3 线性与非线性混和滤波器 |
51-55 |
|
4.3.3.1 边界点判定准则 |
51-54 |
|
4.3.3.2 线性和非线性混合滤波器 |
54-55 |
|
4.3.4 基于合成熵的线性非线性混合滤波器 |
55-58 |
|
4.3.4.1 合成熵混合滤波器的融合结构 |
56 |
|
4.3.4.2 合成熵混合滤波器的融合算法 |
56-58 |
|
4.4 仿真实验 |
58-62 |
|
4.4.1 合成熵混合滤波器和单准则滤波器的仿真比较 |
58-59 |
|
4.4.2 合成熵混合滤波器和AMAWM滤波器的仿真比较 |
59-62 |
|
第五章 结束语 |
62-63 |
|
5.1 论文的主要工作 |
62 |
|
5.2 进一步的研究方向 |
62-63 |
|
参考文献 |
63-65 |
|
致谢 |
65 |
|
| 【DOI】 | LunWen.ID:2.2008.364720 |
