毕业设计（论文）：基于机器视觉的路面裂缝检测方法研究与实现.doc

1、河海大学本科毕业设计（论文）1毕业设计（论文）课题基于机器视觉的路面裂缝检测方法研究与实现专业年级电子信息工程2009级学号0962610107姓名指导教师评阅人二0一三年六月物联网工程学院河海大学本科毕业设计（论文）2河海大学本科毕业设计（论文）任务书（理工科类）、毕业设计（论文）题目基于机器视觉的路面裂缝检测方法研究与实现、毕业设计（论文）工作内容（从综合运用知识、研究方案的设计、研究方法和手段的运用、应用文献资料、数据分析处理、图纸质量、技术或观点创新等方面详细说明）裂缝是最常见的路面损坏，在路面裂缝演变成坑槽之前进行修补，可以大大节约路面的维护成本。与传统的人工检测方式相比，视觉检测效

2、率高、自动化程度和安全性更强，本课题拟对基于视觉的路面裂缝检测方法进行研究，工作内容主要包括1了解路面裂缝检测方法研究现状。2了解并掌握基于图像的表面破损对象检测方法。3了解并掌握MATLAB仿真工具编程方法。4进行路面裂缝图像的预处理、边缘提取和检测仿真设计。5给出论文英文摘要、专业英文资料翻译。6要求用WORD排版、打印毕业论文。、进度安排（1）2012年11月2013年1月查阅资料，英文翻译（2）2013年2月2013年3月熟悉课题背景，进行相关资料收集（3）2013年3月2013年4月熟悉路面裂缝检测的图像处理过程和方法（4）2013年4月2013年5月检测方法的仿真与分析（5）201

3、3年5月2013年6月系统完善及准备撰写论文、答辩、主要参考资料河海大学本科毕业设计（论文）31皱勤，低信噪比路面裂缝增强与提取方法研究【D】，武汉大学，2012年2冈萨雷斯著，数字图像处理【M】，电子工业出版社，2007年3冈萨雷斯著，数字图像处理（MATLAB版）【M】，电子工业出版社，2007年4马常霞等，自然环境下路面裂缝的识别【J】工程图学学报，2011年指导教师，年月日学生姓名，专业年级系负责人审核意见（从选题是否符合专业培养目标、是否结合科研或工程实际、综合训练程度、内容难度及工作量等方面加以审核）系负责人签字，年月日河海大学本科毕业设计（论文）4摘要裂缝是最常见的路面损坏，可能

4、会危及公路和高速公路的安全。在路面裂缝变的更糟糕之前及时进行修补，可以大大节省路面维修的资金。路面裂缝是评估道路状况，并进行必要的道路维修的重要信息。在过去的二十年，由于基于图像的路面裂缝检测技术提供了一个安全，高效，经济的方式，各种图像处理方法已被提出的路面裂缝检测。基于假设沿裂缝的强度通常低于背景的强度，周围的路面，强度阈值已被广泛使用于检测裂纹。然而，这些阈值的方法只能产生不相交的裂纹碎片，因为强度沿裂纹可能无法持续低于背景。此外，路面阴影往往导致路面图像的照度不均匀，其还可以降低该阈值设定方法的性能。基于边缘检测的方法也被用于裂纹检测。然而，可能出现的低对比度裂缝和背景之间的散斑裂纹可

5、能会将存在于背景的许多散斑噪声误认为裂纹片段。与传统的人工检测方式相比，视觉检测效率高、自动化程度和安全性更强，本课题拟对基于视觉的路面裂缝检测方法进行研究。传统的基于图像的路面裂缝检测方法通常假设路面裂缝图片具有较高的对比度和较好的连续性，但实际生活中往往不是这样的。这是因为，1路面影像常常含有路面来自于树木，电线杆以及其他事物的阴影造成的亮度不均匀；2路面各种纹理带来大量的点状噪声；3路面裂缝由于汽车载重碾压、风化等作用发生退化造成其对比度下降、连续性降低。以上原因，使得裂缝在路面影像中表现为低信噪比的线状目标，给裂缝的自动化识别带来了很大的困难。为了解决这些问题，我们开发了大地测量学的阴

6、影去除算法去除路面的阴影，而保留的裂缝。然后对去除阴影后的裂缝进行预处理，最后做裂缝提取。关键字裂缝路面阴影大地测量学阴影去除裂缝提取河海大学本科毕业设计（论文）5ABSTRACTTHECRACKSARETHEMOSTCOMMONROADDAMAGE,COULDENDANGERTHESAFETYOFROADSANDHIGHWAYSBEREPAIREDINATIMELYMANNERBEFORETHECRACKSINTHEROADBECOMESWORSE,CANGREATLYREDUCEROADMAINTENANCEFUNDSIMPORTANTINFORMATIONPAVEMENTCRACKSAS

7、SESSROADCONDITIONSANDMAKETHENECESSARYROADMAINTENANCEINTHEPASTTWODECADES,DUETOTHEIMAGEBASEDPAVEMENTCRACKDETECTIONTECHNOLOGYTOPROVIDEASAFE,EFFICIENTANDECONOMICALWAY,VARIOUSIMAGEPROCESSINGMETHODSHAVEBEENPROPOSEDPAVEMENTCRACKDETECTIONISUSUALLYLOWERTHANTHEINTENSITYOFTHEBACKGROUNDBASEDONTHEASSUMPTIONTHATT

8、HESTRENGTHOFTHEEDGECRACKSAROUNDTHEROADSURFACE,THEINTENSITYTHRESHOLDVALUEHASBEENWIDELYUSEDINTHECRACKDETECTIONHOWEVER,THESETHRESHOLDSCANONLYPRODUCEDISJOINTCRACKDEBRIS,BECAUSETHEINTENSITYALONGTHECRACKBELOWTHEBACKGROUNDMAYNOTBESUSTAINABLEINADDITION,THEROADSHADOWSTENDTOCAUSEUNEVENILLUMINATIONOFTHEROADIMA

9、GE,WHICHMAYFURTHERREDUCETHEPERFORMANCEOFTHEMETHODOFSETTINGTHETHRESHOLDVALUEBASEDONEDGEDETECTIONMETHODISALSOUSEDFORCRACKDETECTIONHOWEVER,CRACKSANDBACKGROUNDMAYAPPEARLOWCONTRASTBETWEENTHESPECKLECRACKSMIGHTEXISTINTHEBACKGROUNDSPECKLENOISEMISTAKENFORCRACKFRAGMENTCOMPAREDWITHTHETRADITIONALMANUALINSPECTIO

10、N,VISUALINSPECTION,HIGHEFFICIENCY,THEDEGREEOFAUTOMATIONANDMORESECURE,THISPROJECTINTENDSTOSTUDYVISIONBASEDPAVEMENTCRACKDETECTIONMETHODTHETRADITIONALIMAGEBASEDPAVEMENTCRACKDETECTIONMETHODISUSUALLYASSUMEDTHATTHECRACKSINTHEROADPICTUREWITHHIGHCONTRASTANDGOODCONTINUITY,BUTREALLIFEISOFTENNOTTHECASETHISISBE

11、CAUSETHE1ROADIMAGESOFTENCONTAINPAVEMENTFROMTHEUNEVENBRIGHTNESSCAUSEDBYTREES,POLESANDOTHERTHINGSSHADOW2PAVEMENTVARIOUSTEXTURESBRINGALARGENUMBEROFDOTLIKENOISE3PAVEMENTCRACKDUETOTHEVEHICLELOADDRUMTHEROLEOFPRESSURE,WEATHERINGDEGRADATIONRESULTINGINDECREASEDCONTRAST,CONTINUITYISREDUCEDFORTHESEREASONS,THEC

12、RACKSINTHEPAVEMENTIMAGEPERFORMANCEOFLINEARLOWSIGNALTONOISERATIOTARGETHASBROUGHTGREATDIFFICULTIESTOTHEAUTOMATICIDENTIFICATIONOFCRACKSINORDERTOSOLVETHESEPROBLEMS,WEHAVEDEVELOPEDAGEODESICSHADOWREMOVALALGORITHMTOREMOVETHESHADOWOFTHEROAD,WHILERETAININGTHECRACKSTHENREMOVETHESHADOWCRACKSAFTERPRETREATMENT,T

13、HEFINALCRACKEXTRACTIONKEYWORDCRACK,THESHADOWOFPAVEMENT,GEODESY,SHADOWREMOVAL,CRACKSEXTRACTION河海大学本科毕业设计（论文）6目录摘要IABSTRACTIII第一章绪论111引言112研究的目的与意义213国内外研究现状2131线状目标的增强与提取3132路面裂缝的增强与提取4133目前存在的问题414基于机器视觉图像处理的应用5第二章数字图像预处理521引言522图像灰度化623图像去噪624图像的边缘提取7251几种算子的比较8252边缘检测结果对比分析和评价9第三章基于亮度高程模型的路面阴影消除10

14、31引言1132相关工作1233测地阴影去除13331具有纹理均衡能力的亮度补偿方法14332基于亮度等高区域划分的阴影消除14333实验结果34裂缝地图生成15341检测裂缝像素16342张量投票裂纹增强17河海大学本科毕业设计（论文）7第四章基于灰度图像及其纹理特性的裂缝特征提取1841引言1842图像预处理19421多种裂缝图像格式的识别19422灰度化20423灰度拉伸20424二值化21425边缘增强2143边缘提取2244灰度图像形态学22441膨胀和腐蚀23442开运算和闭运算24第五章总结27参考文献28附录29一、英文原文29二、英文翻译33河海大学本科毕业设计（论文）8第一

15、章绪论11引言本章介绍本论文的研究目的与意义、国内外研究现状，论文的研究内容和组织结构。其中12节介绍本文的立题依据与研究意义。13节综述了国内外关于路面裂缝检测的研究现状和进展。14节提出本文的研究目标、研究内容、研究方法及拟解决的关键问题。15节简述了本文的组织结构安排。12研究的背景与意义目前，我国高等级公路的建设取得空前发展，特别是在国家公路、水路交通“十一五”发展规划的推动下，截至2011年底，全国高速公路通车总里程已达8万公里，二级以上公路达到4万公里。随着公路的建成通车，路面养护与管理已成为保障道路服务水平的关键，公路路面状况的基础数据调查迫切需要先进的技术和科学的方法作为支撑。

16、国家中长期科学和技术发展规划纲要将“交通运输基础设施建设与养护技术及装备”作为重点领域及其优先主题公路水路交通“十一五”科技发展规划将“道路预防性养护与快速维修技术、无损检测技术、多功能养护设备研究开发”作为重大专题攻关项目。在此背景下，公路路面养护自动化的研究也得到越来越多的重视。在公路养护管理中，路面破损状况指数PCI是决策养护方案的最重要的数据。而路面裂缝类病害作为是路面破损检测的重要内容，其自动化检测一直是公路路面破损检测的热点和难点。路面裂缝的传统检测方式是定期的人工检测，由于人工检测效率低、主观性大、安全性差等，它无法满足路面破损快速检测的要求。随着科技的进步，图像检测技术得到了快

17、速的发展，由于其具有检测速度快、测量准确、自动化程度高、获取信息丰富等特点，已经广泛应用于工业在线表面质量检测等领域。基于影像的检测手段已逐步成为路面裂缝检测的重要手段，然而由于路面裂缝具有细小不连续、对比度低、分叉且不规则等特点，使得传统的线状目标提取与识别算法不能满足要求。目前的商业化系统仍需人工交互来实现从图像中提取路面裂缝，其工作内容枯燥，工作量巨大，因此研发全自动的路面河海大学本科毕业设计（论文）9裂缝识别方法具有重要的意义。传统的基于闽值化、边缘检测、小波变换等的裂缝自动检测算法假设路面裂缝在路面影像中具有较高的对比度和较好的连续性，但这种假设在工程实践中往往不成立。由于受路面阴影

18、、裂缝退化等的影响，一部分裂缝相对于路面背景具有极低的信噪比，造成传统的裂缝检测算法失效。因此，本文专门针对低信噪比的路面裂缝的增强与提取进行研究，对提高裂缝检测的自动化水平具有重要意义。13国内外研究现状路面裂缝是典型的线状目标，其增强与提取属于线状目标检测的研究范畴。与一般线状目标相比，路面裂缝具有自身的特点宽度小、对比度低、连续性差、有分叉和不规则，它只在宏观上呈现出线状特征17,85。本节内容首先回顾国内外对线状目标检测的研究，然后介绍基于影像的路面裂缝检测的研究进展。14基于机器视觉图像处理的应用图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方

19、方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。视觉是人类最重要的感知手段，图像又是视觉的基础。早期图像处理的目的是改善图像质量，它以人为对象，以改善人的视觉效果为目的。图像处理中输入的是质量低的图像，输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片进行图像处理，如几何校正、灰度变换、去除噪声等，并考虑了太阳位置和月球环境的影响。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得了月球的地形图、彩色图及全景镶嵌图，为人类登月

20、创举奠定了基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理技术取得的另一个巨大成就是在医学上。1972年英国EMI公司工程师HOUSFIELD发明了用于头颅诊断的X射线计算机断层摄影装置，也就是河海大学本科毕业设计（论文）10我们通常所说的CT（COMPUTERTOMOGRAPH）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，成为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术被授予诺贝尔奖，以表彰它对人类做出的划时代

21、贡献。从20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理技术向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的MARR提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。20世纪80年代末期，人们开始将其应用于地理信息系统，研究海图的自动读入、自动生成方法。数字图像处理技术的应用领域不断拓展。数字图像处理技术的大发展是从20世纪90年代初开始的。自19

22、86年以来，小波理论与变换方法迅速发展，它克服了傅立叶分析不能用于局部分析等方面的不足之处，被认为是调和分析半个世纪以来工作之结晶。MALLAT在1988年有效地将小波分析应用于图像分解和重构。小波分析被认为是信号与图像分析在数学方法上的重大突破。随后数字图像处理技术迅猛发展，到目前为止，图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。进入21世纪，随着计算机技术的迅猛发展和相关理论的不断完善，数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、

23、军事制导、文化艺术等。该技术成为一门引人注目、前景远大的新型学科。河海大学本科毕业设计（论文）11第二章数字图像预处理21引言图像预处理是相对于图像识别、图像理解而言的一种前期处理。不论采用何种装置，输入的图像往往不能令人满意。例如，从美学的角度会感到图像中物体的轮廓过于鲜明而显得不协调；按检测对象物大小和形状的要求看，图像的边缘过于模糊；在相当满意的一幅图像上会发现多了一些不知来源的黑点或白点；图像的失真、变形等。总之，输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为“质量”问题。改善图像质量的处理称为图像预处理，主要是指按需要进行适当的变换突出某些有用的信息，去除

24、或削弱无用信息，如改变图像对比度，去除噪声或强调边缘的处理等。由于我们拍摄的裂缝图片大多都存在噪声等各种问题，直接进行提取处理效果不理想。所以我们首先将其进行预处理，以使实验效果更理想。预处理的基本方法有图像的频域特性、直方图变换、灰度变换、图像平滑、图像锐化、伪彩色和假彩色处理等。本章将用部分方法对图像进行处理。22图像灰度化一般摄像头得到的裂缝图像是24位真彩色图，需转换成灰度图，一方而便于后续的更快速图像处理，另一方而也是对处理多种颜色路面裂缝进行了统一。而且后续的一些处理方法也要求图像是灰度图，所以我们首先对裂缝图像进行灰度化处理。灰度化可以采用现行标准的平均值法。在RGB模型中，如果

25、RGB时，则彩色表示一种灰度颜色，其中RGB的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0255。一般有以下四种方法对彩色图像进行灰度化1分量法将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。F1I,JRI,JF2I,JGI,JF3I,JBI,J21河海大学本科毕业设计（论文）12其中FKI,JK1,2,3为转换后的灰度图像在（I,J）处的灰度值。2最大值法将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。FI,JMAXRI,J,GI,J,BI,J223平均值法将彩色图像中的三分量亮度求平均得到一个灰度值。F

26、I,JRI,JGI,JBI,J/3234加权平均法根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。FI,J030RI,J059GI,J011BI,J24在这里，我们只用加权平均法对裂缝图像进行处理，其主要代码如下FUNCTIONJRGB2GRAY2IJ0299I,10587I,20114I,3结果如图原图图1原图灰度后图片河海大学本科毕业设计（论文）13图2灰度后由于我们后面的各种处理包括预处理都需要把图像转为灰度图像，所以对图像进行灰度处理还是很有必要的。23图像去噪现实中的数字

27、图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪。实际图像中，多少都会存在一些噪声，而使图像模糊，从而使实验结果不是那么直观，影响我们判断。所以本节我们针对裂缝图像进行去噪。231噪声特性噪声是图象干扰的重要原因。一幅图象在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。在对这个含噪模型进行研究之前，我们有必要了解一下噪声的一些特性，经常影响图像质量的噪声源可分为三类。人们对其生成原因及相应的模型作了大量研究31、电子噪声。在阻性器件中由于电子随机热运动而造成的电子噪声是三种模型中

28、最简单的，一般常用零均值高斯白噪声作为其模型，它可用其标准差来完全表征。2、光电子噪声。由光的统计本质和图像传感器中光电转换过程引起，在弱光照的情况下常用具有泊松分布的随机变量作为光电噪声的模型，在光照较强时，泊松分布趋向于更易描述的高斯分布。3、感光片颗粒噪声。由于曝光过程中感光颗粒只有部分被曝光，而其余部河海大学本科毕业设计（论文）14分则未曝光，底片的密度变化就由曝光后的颗粒密集程度变化所决定，而算曝光颗粒的分布呈现一种随机性。在大多数情况下，颗粒噪声可用高斯白噪声作为有效模型。通过以上分析可以看出，绝大多数的常见图像噪声都可用均值为零，方差不同的高斯白噪声作为其模型，因而为了简便和一般

29、化，我们采用零均值的高斯白噪声作为噪声源。232去噪方法对随时间变化的信号，通常采用两种最基本的描述形式，即时域和频域。时域描述信号强度随时间的变化，频域描述在一定时间范围内信号的频率分布。对应的图像的去噪处理4方法基本上可分为空间域法和变换域法两大类。前者即是在原图像上直接进行数据运算，对像素的灰度值进行处理。变换域法是在图像的变换域上进行处理，对变换后的系数进行相应的处理，然后进行反变换达到图像去噪的目的。（1）空域滤波1均值滤波邻域平均法是一种局部空间域处理的算法。设一幅图像FX,Y为NN的阵列，处理后的图像为GX,Y，它的每个像素的灰度级由包含X,Y领域的几个像素的灰度级的平均值所决定

30、，即用下式得到处理后的图像52,1,SJIJIFMYXG式中X,Y0,1,2,N1；S是以X,Y点为中心的邻域的集合，M是S内坐标总数。图像邻域平均法的处理效果与所用的邻域半径有关。半径愈大，则图像模糊程度也愈大。另外，图像邻域平均法算法简单，计算速度快，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处，邻域越大，模越厉害。2中值滤波中值滤波是一种非线性滤波，由于它在实际运算过程中并不需要图像的统计特性，所以比较方便。中值滤波首先是被应用在一维信号处理技术中，后来被二维图像信号处理技术所应用。在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描

31、噪声最为有效。但是对一些细节多，河海大学本科毕业设计（论文）15特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法。中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。设有一个一维序列1F，2F，NF，取窗口长度为MM为奇数，对此序列进行中值滤波，就是从输入序列中相继抽出M个数，VIF，1IF，1F，1IF，VIF，其中I为窗口的中心位置，VM1/2,，再将这M个点按其数值大小排列，取其序号为正中间的那作为出。用数学公式表示为6221,MVZIFFFMEDYVIIVII例如有一个序列为0，3，4，0，7，则中值滤波为重新排序后的序列0，0，3，4，7中间的值

32、为3。此例若用平均滤波，窗口也是取5，那么平均滤波输出为03407/528。因此平均滤波的一般输出为ZIMFFFFZVIIVIVII/172对于二位序列XIJ进行中值滤波时，滤波窗口也是二维的，但这种二位窗口可以有各种不同的形状，如线状、方形、圆形、十字形、圆环形等。二维数据的中值滤波可以表示为为滤波窗口AXMEDYIJAJI,82在实际使用窗口时，窗口的尺寸一般先用33再取55逐渐增大，直到其滤波效果满意为止。对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口为宜，对于包含尖顶角物体的图像，适宜用十字形窗口。使用二维中值滤波最值得注意的是保持图像中有效的细线状物体。与平均滤波器相比，中值滤

33、波器从总体上来说，能够较好地保留原图像中的跃变部分。2频域低通滤波法在分析图像信号的频率特性时，一幅图像的边缘，跳跃部分以及颗粒声代表图像信号的高频分量，而大面积的背景区则代表图像信号的低频分量。用滤波的方法滤除其高频部分就能去掉噪声使图像得到平滑由卷积定理可知,VUFVUHVUG92式中，FU,V是含噪声图像的傅里叶变换，GU,V是平滑后图像的傅里叶变换，河海大学本科毕业设计（论文）16HU,V是低通滤波器传递函数。利用HU,V使FU,V的高频分量得到衰减，得到GU,V后再经过反变换就得到所希望的图像GX,Y了。1小波去噪近年来，小波理论得了非常迅速的发展，由于其具备良好的时频特性和多分辨率

34、特性，小波理论成功地在许多领域得到了广泛的应用。现在小波分析已经渗透到自然科学、应用科学、社会科学等领域。在图像去噪领域中，应用小波理论进行图像去噪受到许多专家学者的重视，并取得了非常好的效果。小波去噪的方法有多种，如利用小波分解与重构的方法滤波降噪、利用小波变换模极大值的方法去噪、利用信号小波变换后空域相关性进行信噪分离、非线性小波阈值方法去噪、平移不变量小波去噪法，以及多小波去噪等等。归结起来主要有三类模极大值检测法、阈值去噪法和屏蔽相关去噪法。其中最常用的就是阈值法去噪。小波阈值去噪的基本思路是（1）先对含噪信号FK做小波变换，得到一组小波系数WJ,K；（2）通过对WJ,K进行阈值处理，

35、得到估计系数KJW,，使得KJW,与WJ,K两者的差值尽可能小；（3）利用KJW,进行小波重构，得到估计信号FK即为去噪后的信号。DONOHO提出了一种非常简洁的方法对小波系数WJ,K进行估计。对FK连续做几次小波分解后，有空间分布不均匀信号SK各尺度上小波系数WJ,K在某些特定位置有较大的值，这些点对应于原始信号SK的奇变位置和重要信息，而其他大部分位置的WJ,K较小；对于白噪声NK，它对应的小波系数WJ,K在每个尺度上的分不都是均匀的，并随尺度的增加，WJ,K系数的幅值减小。因此，通常的去噪办法是寻找一个合适的数作为阈值（门限），把低于的小波函数WJ,K（主要由信号NK引起），设为零，而对

36、于高于的小波函数WJ,K（主要由信号SK引起），则予以保留或进行收缩，从而得到估计小波系数KJW,，它可理解为基本由信号SK引起的，然后对KJW,进行重构，就可以重构原始信号。估计小波系数的方法如下，取河海大学本科毕业设计（论文）17NLOG2102定义KJKJKJKJWWWW,0,112称之为硬阈值估计方法。一般软阈值估计定义为KJKJKJKJWWKWJWSIGNW,0,122233实验结果均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。其基本原理是用均值替代原图像中的各个像素值,即对待处理的当前像素点X,Y,选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均

37、值赋予当前像素点X,Y,作为处理后图像在该点上的灰度GX,Y,即,1YXSFFYXGM,其中,S为模板,M为该模板中包含当前像素在内的像素总个数。如下即分别为用均值滤波对加有高斯噪声、椒盐噪声的图像处理后的对比图图3图4图5图61均值滤波均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。其基本原理是用均值替代原图像中的各个像素值,即对待处理的当前像素点X,Y,选择一个模板,河海大学本科毕业设计（论文）18该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点X,Y,作为处理后图像在该点上的灰度GX,Y,即,1YXSFFYXGM,其中,S为模板，M为该模板中包含当前像

38、素在内的像素总个数。如下即分别为用均值滤波对加有高斯噪声、椒盐噪声的图像处理后的对比图图7图8代码如下BIMREAD123JPGLB,10299B,20587B,30114IMSHOWBJIMNOISEL,SALTKIMNOISEL,GAUSSIAN,0,0005K1FILTER2FSPECIALAVERAGE,3,J/255SUBPLOT121,IMSHOWK1TITLE33的椒盐噪声均值滤波K2FILTER2FSPECIALAVERAGE,7,K/255SUBPLOT122,IMSHOWK2TITLE33高斯噪声均值滤波2中值滤波中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处

39、理技术。其实现原理如下将某个像素邻域中的像素按灰度值进行排序,然后选择该序列的中间值作为输出的像素值,让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点。其具体的操作是首先确定一个以某个像素为中心点的领域,一般为方形领域如33、55的矩形领域,然后将领域中的各个像素的灰度值进行排序。假设其排序为NXXXX321,为奇数，NNXXXXXMEDYN,2/1,321河海大学本科毕业设计（论文）19为偶数，NNXNXXXXXMEDYN,2/12/2/1,321取排好序的序列的中间值作Y为中心点像素灰度的新值,这里的邻域通常被称为窗口。当窗口在图像中上下左右进行移动后,

40、利用中值滤波算法可以很好地对图像进行平滑处理。如下即分别为用中值滤波对加有高斯噪声、椒盐噪声的图像处理后的对比图图9图10代码如下BIMREAD123JPGLB,10299B,20587B,30114IMSHOWBJIMNOISEL,SALTKIMNOISEL,GAUSSIAN,0,0005K1MEDFILT2JK2MEDFILT2KSUBPLOT1,2,1,IMSHOWK1TITLE椒盐噪声中值滤波处理SUBPLOT1,2,2,IMSHOWK2TITLE高斯噪声中值滤波处理3小波变换小波变换是一种窗口大小固定但其形状可改变的时频局部化分析方法。小波变换利用非均匀的分辨率，即在低频段用高的频率

41、分辨率和低的时间分辨率（宽的分析窗口）；而在高频段利用低的频率分辨率和高的时间分辨率（窄的分析窗口），这样就能有效地从信号（如语言、图像等）中提取信息，较好地解决了时间和频率分辨率的矛盾。对于一副图像，我们关心的是它的低频分量，因为低频分量是保持信号特性的重要部分，高频分量则仅仅起到提供信号细节的作用，而且噪声也大多属于高频信息。这样，利用小波变换,噪声信息大多集中在次低频、河海大学本科毕业设计（论文）20次高频、以及高频子块中,特别是高频子块,几乎以噪声信息为主,为此,将高频子块置为零,对次低频和次高频子块进行一定的抑制,则可以达到一定的噪声去除效果。如下即分别为用小波变换对加有高斯噪声、椒

42、盐噪声的图像处理后的对比图LOADSINSINBIMREAD123JPGLB,10299B,20587B,30114JIMNOISEL,SALTKIMNOISEL,GAUSSIAN,0,0005THR,SORH,KEEPAPPDDENCMPDEN,WV,JXDWDENCMPGBL,J,SYM4,2,THR,SORH,KEEPAPPSUBPLOT221IMSHOWJ,MAPTITLE加椒盐噪声SUBPLOT222IMSHOWXD,MAPTITLE椒盐图像小波去噪THR,SORH,KEEPAPPDDENCMPDEN,WV,KXDWDENCMPGBL,K,SYM4,2,THR,SORH,KEEPAP

43、PSUBPLOT223IMSHOWK,MAPTITLE加高斯噪声SUBPLOT224IMSHOWXD,MAPTITLE高斯图像小波去噪河海大学本科毕业设计（论文）211均值滤波器采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图象中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半径成正比。谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果

44、。程序代码CLCCLEARCLOSEALLIIMREAD裂缝TIFW2FSPECIALAVERAGE,55先定义一个滤波器HIMFILTERI,W2,REPLICATE让图像通过滤波器IMSHOWI,TITLE原图FIGURE2,IMSHOWH,TITLE55均值滤波原图55均值滤波图3原图图455均值滤波2中值滤波器它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又

45、能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图象的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细河海大学本科毕业设计（论文）22节较多的图象不宜采用中值滤波的方法。下面，我们用中值滤波的方法对图像进行中值滤波程序代码I1IMREAD123JPGIRGB2GRAYI1K2MEDFILT2I,5,5IMSHOWI1,TITLE原图FIGURE2,IMSHOWK2,TITLE55窗口中值滤波原图55中值滤波图5原图图655中值滤波3小波去噪这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤1对图象信号进

46、行小波分解。2对经过层次分解后的高频系数进行阈值量化。3利用二维小波重构图象信号。下面是以二维小波分析用于图像去噪为例。对于二维图像信号的去噪方法同样适用于一维信号，尤其是对于几何图像更适合。二维模型可以表示为1,1,0,MJIJIEJIFJIS27其中，E是标准偏差不变的高斯白噪声。二维信号用二维小波分析的去噪步骤如下二维信号的小波分解。选择一个小波和小波凤姐的层次N，然后计算信号S到第N层的分解。对高斯系当选进行阈值量化。对于从1到N的每一层，选择一个阈值，并对这一层的高频系数进行软阈值量化处理。二维小波的重构。根据小波分解的第N层的低频系数和经过修改的从第1层到第N层的各层高频系数计算二

47、维信号的小波重构。河海大学本科毕业设计（论文）23小波变换消除图像噪声的关键是如何选取阈值和阈值的量化。MATLAB的去噪函数有DDENDMP、WHDENCMP等，去噪程序如下4形态学噪声滤除器将开启和闭合结合起来可用来滤除噪声,首先对有噪声图象进行开启操作,可选择结构要素矩阵比噪声的尺寸大,因而开启的结果是将背景上的噪声去除。最后是对前一步得到的图象进行闭合操作,将图象上的噪声去掉。根据此方法的特点可以知道,此方法适用的图像类型是图象中的对象尺寸都比较大,且没有细小的细节,对这种类型的图像除噪的效果会比较好。我们将在后面章节着重讲解。5自适应维纳滤波器它能根据图象的局部方差来调整滤波器的输出

48、,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像FX,Y与原始图像FX,Y的均方误差E2EFX,YFX,Y2最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。24图像的边缘提取图像边缘对图像识别和计算机分析十分有用，边缘能勾画出目标物体，使观察者一目了然；边缘蕴含了丰富的内在信息如方向、阶跃性质、形状等，是图像识别中重要的图像特征之一。从本质上说，图像边缘是图像局部特征的不连续性灰度突变、颜色突变、纹理结构突变等的反映，它标志着一个区域的终结和另一个区域的开始。为了计算方便起见，通常选择一阶

49、和二阶导数来检测边界，利用求导方法可以很方便的检测到灰度值的不连续效果。251几种常用的边缘检测算子边缘检测的基本思想首先是利用边缘增强算子，突出图像中的局部边缘，然后定义象素的“边缘强度”，通过设置阈值的方法提取边缘点集。由于噪声和模糊的存在，监测到的边界可能会变宽或在某点处发生间断。因此，边界检测包括两个基本内容1用边缘算子提取出反映灰度变化的边缘点集。2在边缘点集合中剔除某些边界点或填补边界间断点，并将这些边缘连接河海大学本科毕业设计（论文）24成完整的线。常用的检测算子有微分算子、拉普拉斯高斯算子和CANNY算子。在MANAB图像处理工具箱中，提供了EDGE函数利用以上算子来检测灰度图像的边缘。1SOBEL算子SOBEL算子是滤波算子的形式来提取边缘。X,Y放心各用一个模板，两个模板组合起来构成一个梯度