题目：图像斑点噪声判别与参数估计方法研究

图像获取和传输过程使得大多数数字图像都带有不同程度的噪声，这不但影响图像的视觉效果，而且妨碍后序的目标检测、特征提取和参数测量等各种处理，直接影响图像解译质量，因此图像抑噪一直是图像处理的一项重要任务。作为抑制噪声的重要环节，性能优良的抑噪算法应该充分利用噪声的先验知识，例如噪声类型、强度及环境，设计相应的滤波器，然而，目前这些先验知识通常是根据主观推测或假设，而不是依靠图像噪声的客观描述，在这种情况下对图像的噪声进行处理往往是盲目的。因此，合理估计图像噪声至关重要。
本文综合利用灰色理论、参数估计、直方图统计信息、Gaussian-Hermite矩和曲线拟合等多种理论与方法，对图像噪声进行深入分析，研究噪声类型识别方法和斑点噪声参数估计新方法，并设计完成了图像噪声分析与估计演示软件，主要创新性工作包括：
(1) 将直方图信息和灰色关联分析理论相结合，提出了一种基于直方图信息灰色关联的图像噪声类型识别方法。该方法首先分析椒盐噪声、高斯噪声和斑点噪声这三种噪声的直方图统计信息，从而直接识别出椒盐噪声。为正确区分高斯噪声和斑点噪声，引入灰色关联分析理论中的灰色关联度，根据两种噪声的直方图曲线特征，形成参考序列和比较序列，利用两类序列间的灰色关联度来完成识别。理论分析和实验结果表明，与现有噪声类型识别方法相比具有简单、易行、通用的特点。
(2) 提出了一种基于Gaussian-Hermite矩的斑点噪声参数盲估计方法。该方法首先分析Gaussian-Hermite矩的特点，然后利用Gaussian-Hermite矩构造特征向量，并分析单一灰度区域叠加了不同强度斑点噪声后的分布规律。在此基础上，构造反映图像斑噪强度的噪声特征值。最后通过曲线拟合得到噪声参数与噪声特征值的之间的函数关系式。实验结果显示，该映射函数不需要任何先验知识，即可快速、有效地估计图像中的斑点噪声强度。
(3) 提出了一种简单、快速的图像斑点噪声参数盲估计方法。该方法在仿真图像中加入不同强度的斑点噪声，分析含噪图像均匀区域内直方图分布特点，构造反映图像斑噪强度的噪声特征值，最终建立了噪声参数与噪声特征值的之间的映射函数。实验结果显示，该映射函数不需要任何先验知识，即可方便、快速地估计图像中的斑点噪声强度。
在以上工作的基础上，以Visual C++6.0为平台，设计实现了可识别图像含噪类型，并同时估计图像噪声参数的演示软件。