基于直方圖信息灰色關(guān)聯(lián)的圖像噪聲類型識別方法

　　圖像在獲取和傳輸過程中常常會受到噪聲的污染使圖像質(zhì)量降低。由于降質(zhì)圖像在獲取的過程中受各種不同因素的影響，始環(huán)境條佟、傳感器元器件自身質(zhì)量、傳輸信道的干擾以及量化等．因此所引入的噪聲類型多種多樣，如高斯噪聲、椒鹽噪聲、斑點噪聲等．在圖像工程領(lǐng)域，圖像復(fù)原、圖像增強、圖像抑噪中的很多算法都不同程度地依賴對噪聲先驗知識的理解．近年來越來越多的研究成果顯示，正確估計和利用圖像噪聲對于設(shè)計最佳濾波器或后穿處理策略有重要的指導(dǎo)意義和實用價值．

　　目前，在噪聲參數(shù)估計方面。研究人員已取得了一些進展，初步形成了濾波法、頻域法和分塊處理等幾類方法．

　　其中，（1）濾波法用噪聲污染的圖像減去濾波抑噪后的圖像來估計噪聲的大小

　?。?）頻域法先對圖像做多尺度變換，圖像的能量主要集中在尺度大的子帶，而尺度小的高頻子帶系數(shù)的幅度較小、能量較低．因此，當(dāng)噪聲能量較大時，將最高頻子帶的系數(shù)看成噪聲，由此來估計噪聲參數(shù)；

　?。?）分塊處理法先將噪聲圖像劃分成若干塊區(qū)域，估計每塊噪聲的大小，然后用數(shù)學(xué)統(tǒng)計方法對整個圖像噪聲進行估計凹．在噪聲類型識別方面，人們通常都是假定噪聲類型已知，而沒有進行事先識別．而實際應(yīng)用中，若噪聲類型未知，無法建立噪聲的數(shù)學(xué)模型。也就無法正確估計噪聲參數(shù)，不能為圖像增強、抑噪或其他后續(xù)處理提供有用信息．因此，準確識別噪聲類型是一項非常重要而緊迫的工作，已開始受到研究人員的關(guān)注．