几番浓情关于视频跟踪的好硕士论文
第二章图像去噪利视频乐缩标准
２．１．３自适应中值滤波
中值滤波由于其去噪及其可保护图像某些细节的良好性能，在图像降噪处理中得到了广泛的应用。但标准中值滤波去脉冲噪声的性能受滤波窗口影响较大，在抑制图像噪声和保护细节两方面存在着一定的矛盾：滤波窗口小，可较好的保护图像中某些细节，但滤除噪声的能力会受到限制：滤波窗口大，可加强噪声抑制能力，但对细节的保护能力会减弱，有时会滤去图像中的一些细线、尖锐边角等重要细节，从而破坏图像的几何结构。这种矛盾在图像噪声干扰较大时尤为突出。
可以采用自适应的中值滤波法来克服上面的问题，其基本思想是将图像分为几个子块，通过对各子块中的像素进行噪声检测，将其分为污染像素和未污染像素两类：统计受污染像素的个数以确定子图像中噪声干扰大小，根据噪声干扰程度自适应地调整滤波窗口的尺寸；最后采用改进的中值滤波方法对子图像中的噪声点进行处理。自适应中值滤波在很大程度上缓和了噪声抑制与保护细节之间的矛盾，对噪声干扰较大的图像去噪时也能取得良好的效果，较标准中值滤波具有更优良的滤波性能，为消除图像中的脉冲噪声提供了一条有效途径。
总结起来，自适应中值滤波总体上包括三个步骤：
（１）对图像各区域进行噪声检测；
（２）根据各区域受噪声污染的状况确定滤波窗Ｅｌ的大小；
（３）对检测出的噪声点进行滤波。
２．１．４形态学滤波
形态学运算是针对二值图像依据数学形态学集合论方法发展起来的图像处理方法。其主要内容是设计一整套的变换（运算）、概念和算法，用以描述图像的基本特征。
数学形态学以图像的形态特征为研究对象，描述图像的基本特征和基本结构，也就是描述图像中元素与元素、部分与部分间的关系。通常形态学图像处理表现为一种邻域运算形式，采用邻域结构元素的方法，在每个像素位置上邻域结构元素与二值图像对应的区域进行特定的逻辑运算，逻辑运算的结果为输出图像的相应像素。数学形态学主要包括腐蚀、膨胀、开运算和闭运算四种基本运算。
