论文总字数：28981字

目 录

1. 绪论 1

1.1 课题研究的意义及背景 1

1.2 光学图像处理技术的国内外研究现状 2

1.2.1 均值滤波算法 2

1.2.2 中值滤波算法 2

1.2.3 减阈值去噪算法 3

1.3 基于热核的图像处理技术的国内外研究现状 3

1.4 存在的问题及发展趋势 5

1.5 论文的主要工作与章节安排 6

2. 基于热核的光学图像噪声处理理论基础 6

2.1 光学图像中的噪声分析 6

2.1.1 高斯噪声 7

2.1.2 泊松噪声 7

2.2 随机场理论（RFT） 7

2.3 热方程的基本概念 8

2.4 热方程在图中的应用 9

3. 基于热核的弱小目标光学图像去噪方法 10

3.1 光学图像中的弱小目标特点分析 10

3.2 光学目标特性及天光背景的分析 10

3.3 基于小带宽热核的光学图像算法分析 11

3.4 图像去噪效果的评价方法 12

3.4.1 主观评价法 12

3.4.2 客观评价法 13

4. 实验结果及分析 13

4.1 仿真实验 13

4.1.1 本文算法对高斯噪声的处理效果及分析 13

4.1.2 本文算法对泊松噪声的处理效果及分析 18

4.1.3 本文算法对混合噪声的处理效果及分析 18

4.2 实际光斑实验 20

4.2.1 夏克-哈特曼工作原理 20

4.2.2 本文算法对采集图像的处理效果及分析 20

4.2.3 不同噪声水平对采集图像的影响 22

5. 弱小目标光学图像去噪的最优热核带宽选取算法 26

5.1 不同热核带宽对弱小目标和图像信噪比的影响 26

5.1.1 不同热核带宽下的去噪效果 26

5.1.2 光斑尺寸对热核带宽的影响 28

5.2 光斑尺寸的估算方法 30

5.3 实验结果及分析 33

6. 结束语 35

参考文献 35

本科期间发表论文 37

本科期间发表专利 37

相关竞赛成果 37

致 谢 38

基于heat-kernel的光学图像噪声处理方法的研究

龚信

，China

Abstract: In this paper, an optical image noise processing method based on heat-kernel is proposed, which uses the feature of the heat-kernel to retain the edge to smooth the noise, to solve the problem that the dim and small target in optical image is easily disturbed by noise. The noise model is built on the random field theoretical model, and the image is smoothed by convolution of heat-kernel and the image. First, the simulative optical image is experimented, and the effectiveness of the algorithm is verified under different noise types and different SNR conditions. Secondly, the actual captured image is processed, and the simulation results are verified through different SNR experiments, which verifies the effectiveness of the algorithm. Compared with the commonly used algorithms, this algorithm greatly improves the signal to noise ratio and the centroid deviation and the RMS are smaller, which proves the high accuracy and superiority of the algorithm. Finally, an optimal heat-kernel bandwidth selection algorithm for the dim and small target in optical image denoising is introduced in this paper. The experiment shows that the algorithm can quickly and effectively select the optimal heat-kernel bandwidth for the target image and get the best denoising effect.

Key words: Heat-kernel; Dim and small target; Optical image; Image smoothing; Optimal heat-kernel Bandwidth Selection Algorithm

绪论

课题研究的意义及背景

随着整个社会的经济和科学技术的发展，人们通常通过图像和视频来获取外界信息。然而图像质量容易在图像获取、传输和存储的过程中手噪声干扰，从而导致图像质量降低。降噪的关键在于保留图像的原始信息完整性，以及去除图像信号中的无用信息，故图像处理和计算机视觉研究重点在降噪处理。

了解噪声才能实现降噪过程。图像噪声一般被视作多维随机过程，因而可以用其概率密度分布函数来描述噪声。主要有五种对噪声的分类方法：按产生的原因分类、按噪声频谱分类、按噪声与信号的关系分类、按概率密度函数（PDF）分类、按与图像像素关系分类。其中比较常用的分类是按概率密度函数（PDF）分类。由于建立在数学模型之上，这种分类可以用数学手段进行去噪。

剩余内容已隐藏，请支付后下载全文，论文总字数：28981字