1. 毕业设计（论文）主要目标：
图像数字化的过程中引入量化的噪声，这样就导致图片的变得模糊，质量下降，严重的妨碍了人们感觉器官对所接收的信源信息理解。因此去除噪声，还原图像的真实信息是非常重要的。当前滤除图像噪声的方法最主要有三种均匀滤波，中值滤波，维纳滤波。但是这几种方式很容易导致图像模糊。
而卡尔曼滤波方法引入了状态空间和状态变量的概念,而其算法采用递推性算法,以最小化均方误差为估计的最佳准则，并且在滤波中充分利用噪声的统计特性，因此,这就解决了其他估计方法的限制性困难,并且卡尔曼滤波方法可以明显的减弱了原始图像上噪声,并且有效的解决了图像滤波必然伴随的模糊细节问题,相比于其他传统的去噪方法,卡尔曼滤波算法有好的降噪效果,而其对原始图像中的一些线条,点和边缘的细节信息保护的很好,几乎没有损失，在多数情况下它是最优估计。
2. 毕业设计（论文）主要内容：
将卡尔曼滤波器扩展到二维空间，可推广应用于图像去噪。
在卡尔曼滤波中，是用状态变量方程来描述被研究系统动力学方程，系统信号模型状态向量决定了卡尔曼滤波的阶数。对于随机过程，状态是以过去和现在估计的最小信息量来决定全部未来的响应的最佳估值，从而给出未来的、带来噪声干扰的观测值。
常见的噪声主要有，具有正态分布概率密度函数的高斯噪声，它的值遵循高斯分布或者它在各个频率分量上的能量具有高斯分布；非连续的，由持续时间短和幅度大的不规则脉冲或噪声尖峰组成的脉冲噪声，又称椒盐噪声；以及功率谱密度在整个频域内均匀分布的噪声，所有频率具有相同能量的白噪声。
3. 主要参考文献
1.彭丁聪. 卡尔曼滤波的基本原理及应用[J]. 软件导刊,2009,(11):32-34.
2.赛地瓦尔地买买提. 低复杂度非局部均值与卡尔曼滤波的图像去噪方法研究[D].西南交通大学,2014.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
