本文關(guān)鍵詞： 圖像去噪 噪聲檢測(cè) 變分法 正則化 混合擬變分不等式　出處：《電子科技大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：圖像是人們獲取信息的主要來(lái)源。數(shù)字圖像處理在信息時(shí)代已成為人們獲取、處理、分析和分享信息的重要手段,深入到生產(chǎn)和生活的方方面面,取得了巨大的社會(huì)效益和經(jīng)濟(jì)效益。近年來(lái)圖像處理技術(shù)與認(rèn)知心理學(xué)、機(jī)器學(xué)習(xí)、機(jī)器視覺(jué)等研究領(lǐng)域的結(jié)合,產(chǎn)生了前所未有的新發(fā)展和新突破。因此,圖像處理技術(shù)的相關(guān)研究,不僅在理論上具有重要意義,還在實(shí)踐應(yīng)用中具有廣闊前景。圖像去噪是數(shù)字圖像處理技術(shù)中的一大類技術(shù),是底層處理的關(guān)鍵步驟,其處理結(jié)果的好壞直接影響到后續(xù)分割、識(shí)別、分析等環(huán)節(jié)的性能。隨著科技的發(fā)展,圖像處理中各個(gè)流程對(duì)圖像質(zhì)量的要求也不斷提高。因此,研究圖像去噪算法,優(yōu)化改善算法性能,是十分必要和重要的。本文以排序統(tǒng)計(jì)去噪算法、變分正則化去噪算法、基于變分不等式的去噪算法和基于局部特征的噪聲檢測(cè)算法為主要研究對(duì)象,進(jìn)行了深入研究,分析了這些算法存在的缺點(diǎn)與不足,進(jìn)一步提出了相應(yīng)的優(yōu)化改進(jìn)算法,并從理論證明和實(shí)驗(yàn)驗(yàn)證兩方面對(duì)算法的有效性進(jìn)行了論證。本文的主要研究工作如下:(1)分析了去噪算法在抑制隨機(jī)脈沖噪聲和保護(hù)圖像邊緣細(xì)節(jié)之間的矛盾,在兩階段去噪算法的理論框架下,提出了一種結(jié)合加權(quán)空間離群點(diǎn)度量和優(yōu)化的正則化能量泛函去噪算法。算法在第一階段,通過(guò)將圖像局部特征形成的權(quán)重作用于離群點(diǎn)度量,使之對(duì)圖像邊緣細(xì)節(jié)更為敏感,對(duì)邊緣處的脈沖噪聲有更強(qiáng)的鑒別能力。基于前一階段檢測(cè)出的脈沖噪聲候選集合,算法在第二階段的濾波恢復(fù)環(huán)節(jié)進(jìn)行了兩大優(yōu)化。其一是通過(guò)噪點(diǎn)和無(wú)噪點(diǎn)的分離,優(yōu)化了能量泛函中的數(shù)據(jù)保真項(xiàng),降低最小化難度,提高算法效率;其二是通過(guò)對(duì)正則項(xiàng)作用域的拆分,降低噪聲對(duì)恢復(fù)像素強(qiáng)度值的干擾。最后算法通過(guò)改進(jìn)的正則化保邊函數(shù),引入局部特征,在抑制噪聲的同時(shí)提供了對(duì)邊緣細(xì)節(jié)的保護(hù)能力。(2)針對(duì)復(fù)雜圖像中脈沖噪聲檢測(cè)準(zhǔn)確度偏低的問(wèn)題,提出增強(qiáng)脈沖噪聲檢測(cè)算法,從三方面進(jìn)行了改進(jìn)。第一,引入局部邊緣方向?qū)傩?強(qiáng)化算法對(duì)邊緣噪聲的檢測(cè)能力。邊緣像素的正常過(guò)渡和脈沖噪聲的突變之間的相似之處在于本身像素值與鄰域像素值之間差異較大,不同之處在于自然圖像的邊緣像素一般具有較強(qiáng)的方向性,這為區(qū)別兩者提供了突破點(diǎn)。增強(qiáng)算法通過(guò)增加局部?jī)?yōu)化方向上的像素點(diǎn)在統(tǒng)計(jì)排序中的權(quán)重,來(lái)抑制邊緣像素和脈沖噪聲間的相互干擾,提高圖像邊緣細(xì)節(jié)處的噪聲檢測(cè)能力,為后續(xù)去噪恢復(fù)中的保邊效果提供了堅(jiān)實(shí)基礎(chǔ)。第二,通過(guò)定義局部鄰域像素點(diǎn)的子域均值來(lái)抑制鄰域噪點(diǎn)對(duì)局部統(tǒng)計(jì)量的干擾,提高噪聲檢測(cè)結(jié)果的穩(wěn)定性。第三,引入自適應(yīng)閾值,增強(qiáng)算法對(duì)圖像不同模式的適應(yīng)性。分析了圖像中不同模式的變化與固定的全局閾值之間的矛盾,通過(guò)引入圖像局部鄰域的均值和標(biāo)準(zhǔn)差,產(chǎn)生自適應(yīng)的局部閾值,提高算法對(duì)圖像不同模式的適應(yīng)能力。(3)當(dāng)圖像去噪去模糊問(wèn)題被看作是帶有離散全變分正則化的優(yōu)化問(wèn)題時(shí),變分不等式理論作為一類研究極小化問(wèn)題的重要工具,可以在其中發(fā)揮重要作用,然而目前針對(duì)性的研究成果相對(duì)較少。本文在混合擬變分不等式的框架下,基于全變分正則化算法,引入了包括各種全變分正則化作為特例的廣義全變分正則化,提出了一種新的研究圖像去噪與非盲圖像去模糊的廣義變分算法。本文的廣義算法包括了各種自適應(yīng)性與各向異性的全變分正則化算法。(4)為了進(jìn)一步研究解驅(qū)動(dòng)自適應(yīng)的廣義全變分正則化圖像去噪與去模糊問(wèn)題,本文證明了在此框架下混合擬變分不等式解的存在性與唯一性。并在此基礎(chǔ)上,引入了求解混合擬變分不等式的修正投影算法,并給出了收斂性證明。這些論證為基于變分不等式的圖像去噪研究提供了一定的理論基礎(chǔ)。
[Abstract]:Image denoising is one of the most important techniques in digital image processing technology , and it is very necessary and important to study the image denoising algorithm and improve the performance of the algorithm . In this paper , we propose a new method to improve the accuracy of image denoising .

【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 賈淵,姬長(zhǎng)英;采用改進(jìn)的自適應(yīng)模糊多級(jí)中值濾波算法去除牛肉圖像斑點(diǎn)噪聲[J];農(nóng)業(yè)工程學(xué)報(bào);2005年02期

2 張旭明,徐濱士,董世運(yùn);用于圖像處理的自適應(yīng)中值濾波[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2005年02期

，

本文編號(hào)：1445891