在電子戰(zhàn)中,利用無人機偵察圖像進行大范圍和危險環(huán)境中的目標定位、識別和圖像理解,并與傳統(tǒng)的電磁偵察有機融合,能極大地提高我軍參謀人員對戰(zhàn)場態(tài)勢感知和準確分析的能力,這是未來戰(zhàn)場偵察技術發(fā)展的趨勢之一。清晰的偵察圖像是后續(xù)戰(zhàn)場目標識別的基礎,因此對含噪無人機圖像進行去噪方法研究具有重要意義。本文以此為研究方向,取得的主要成果如下:(1)針對無人機圖像的特點和干擾噪聲復雜多樣,通過分析和比較提出了采用壓縮感知去噪的解決方法�；趬嚎s感知圖像去噪技術是根據(jù)圖像具有稀疏性的特點,按照研究對象稀疏成分的有無,將圖像中的有效成分與噪聲分離實現(xiàn)圖像去噪。在驗證實驗中,采用經(jīng)典圖像去噪算法作為對照方法,在不同類型的噪聲下進行仿真,實驗結果表明,基于壓縮感知的圖像去噪算法比常規(guī)圖像去噪方法效果更優(yōu),所提取圖像的有效成分具有更高峰值信噪比,能滿足不同工作環(huán)境下無人機圖像去噪的要求。(2)針對壓縮感知理論中固定稀疏字典無法全面表示圖像結構特征而影響去噪效果的問題,研究了基于無人機含噪圖像字典學習的稀疏去噪算法。首先將噪聲圖像作為訓練樣本,選擇初始化字典,對含噪圖像進行稀疏表示;此時通過K-SVD算法對稀疏表示后的矩陣進行學習,更新字典,這個過程即為字典學習,經(jīng)過反復迭代,使殘差滿足事先設定的范圍,則停止更新,得到新字典。同時,本文通過與參數(shù)化構造字典和對自然圖像訓練得到的字典比較,實驗結果表明了通過字典學習進行圖像去噪,對圖像結構特征的表達效果和去噪效果更好。(3)針對無人機偵察圖像中混合噪聲影響圖像稀疏性的問題,本文提出了一種基于壓縮感知的組合去噪算法。該算法分為粗去噪和細去噪兩部分,粗去噪過程主要利用濾波平滑處理掉混合噪聲中的脈沖噪聲,減少其對圖像稀疏性的破壞;然后再對粗去噪的圖像進行稀疏表示,通過線性映射得到信號的測量值,最后利用重構算法得到去噪后圖像。實驗結果表明,該算法改善了含有脈沖噪聲的混合噪聲對圖像稀疏性的影響,提高了圖像去噪性能。(4)針對圖像去噪后細節(jié)特征易受影響的問題,本文提出了基于小波融合的分層去噪算法。該算法利用小波融合原理,將中值濾波法和基于字典學習的稀疏去噪法兩種算法去噪后圖像融合,根據(jù)圖像類型特點和感興趣目標提出融合規(guī)則,根據(jù)局部圖像信息的能量譜設計了低頻系數(shù)融合規(guī)則,根據(jù)局部方差譜設計了高頻系數(shù)融合規(guī)則。在峰值信噪比、標準差、熵作為評價指標的條件下進行仿真實驗,結果表明算法具有良好的去噪性能,提高了對圖像細節(jié)特征的提取效果。
【學位單位】：國防科技大學
【學位級別】：碩士
【學位年份】：2017
【中圖分類】：TP391.41;E933
【部分圖文】：

變換基葉變換基變換基let基基字典庫圖 2.2 常用稀疏變換基個無人機圖像 1 2, ,TNX X ，X X是長度為 N 的間存在標準正交基 1,2, , iΨ i N，其中向量Ψ中的任意圖像 X 都可以由這組標準正交基 iΨ i 1Ni ii X= θψ =Ψ 中每個像素向量的變換系數(shù)是輸入圖像與標 1,2, ,N； 1 2=TN ， ， ， 是 N 1維 的 變 Nψ 是由 1Nii ψ 作為列向量組成的N N維的變換域 中的編碼向量。若編碼時，K 遠小于 N ，則信號 可以表達為Ψ變換域中稀疏時，相當于變換矩陣為單位陣，即標準單位

國防科技大學研究生院碩士學位論文2.2.2 測量矩陣構造將 N 維K -稀疏圖像X 投影到一個與變換矩陣Ψ不相干的原始測量矩陣 獲得圖像的測量值 1 2, , ,TMY y y y( y ,i i x , i 1, 2, , M， M NY = X 其中 表示 N 維原始圖像，Y 是 維投影測量， 1 2, , ,TM 是M原始觀測矩陣。在式(2-4)中如果已知測量值Y ，要求解原始圖像 的表知數(shù)個數(shù)遠大于方程的個數(shù)(M N )，是無法通過直接計算的方法進行又因為待求解的原始圖像 X 的表示具有稀疏性，結合式(2-3)中原始圖像表示Ni iiX θ ψ Ψ 代入式(2-4)，從而有：Y = X = Ψ = A 其中感知矩陣A = Ψ 為 維的矩陣，形式如圖 2.4 所示:

觀評價 PSNR 值可得出：本文研究的基于壓縮感知的圖5高斯噪聲時，去噪效果明顯優(yōu)于均值濾波法和中值濾波波法的 PSNR 值高出 6.5dB，比中值濾波法的 PSNR 值高椒鹽噪聲進行去噪處理 =0.05椒鹽噪聲后得到含噪圖像，如圖 3.4(b)所示，分去噪實驗，去噪結果分別如圖 3.4(c)、(d)、(e)所示。同時 =0.05時，三種去噪算法實驗數(shù)據(jù) PSNR 值之間的比較原圖 （b）含噪圖像

【相似文獻】

相關期刊論文 前10條

1 馬云;曾祥忠;;圖像去噪方法探析[J];科技與創(chuàng)新;2016年23期

2 賀麗麗;;圖像去噪處理技術在通信領域的應用[J];電子技術與軟件工程;2017年03期

3 劉濤;;改進分數(shù)階積分的激光圖像去噪研究[J];內蒙古師范大學學報(自然科學漢文版);2017年02期

4 宋柏霖;;數(shù)字濾波技術在醫(yī)學圖像去噪中的應用[J];數(shù)字技術與應用;2016年10期

5 雷燕;唐文娟;;一種基于小波變換的圖像去噪方法的應用研究[J];河南科學;2013年01期

6 褚晶輝;李英敏;宋垣;呂衛(wèi);;一種醫(yī)學圖像去噪程序的并行優(yōu)化[J];中國醫(yī)學物理學雜志;2012年06期

7 王勇智,黃紅波;一種數(shù)學圖像去噪的新方法[J];岳陽職業(yè)技術學院學報;2005年01期

8 陳明;基于多帶復數(shù)小波與最大后驗概率估計法的圖像去噪方法[J];模糊系統(tǒng)與數(shù)學;2004年01期

9 董海燕;;一種改進的變分法圖像去噪模型[J];數(shù)學學習與研究;2019年17期

10 黃子吉;肖杰;陸安江;徐乃濤;孫其梁;;幾種圖像去噪方法的比較研究[J];通信技術;2017年11期

相關會議論文 前10條

1 楊懷良;張祥朝;;基于p-范數(shù)的圖像去噪研究[A];上海市激光學會2015年學術年會論文集[C];2015年

2 靳士利;趙志剛;;基于小波與非線性擴散的混合圖像去噪[A];圖像圖形技術研究與應用(2010)[C];2010年

3 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應方向小波在磁共振圖像去噪中的應用[A];第十七屆全國波譜學學術會議論文摘要集[C];2012年

4 費佩燕;郭寶龍;;基于小波變換的磁共振圖像去噪方法研究[A];中國儀器儀表學會第六屆青年學術會議論文集[C];2004年

5 侯培國;趙靜;劉明;;基于小波變換的圖像去噪[A];'2006系統(tǒng)仿真技術及其應用學術交流會論文集[C];2006年

6 張俞晴;何寧;甄雪艷;孫欣;;基于機器學習的圖像去噪研究進展[A];中國計算機用戶協(xié)會網(wǎng)絡應用分會2017年第二十一屆網(wǎng)絡新技術與應用年會論文集[C];2017年

7 王靜;徐志京;;基于中值濾波和形態(tài)學的聲納圖像去噪研究[A];全國第21屆計算機技術與應用學術會議（CACIS·2010）暨全國第2屆安全關鍵技術與應用學術會議論文集[C];2010年

8 楊茹;秦振濤;;基于張量字典學習的遙感圖像去噪研究[A];資源環(huán)境與地學空間信息技術新進展學術會議論文集[C];2016年

9 倪永婧;王成儒;;一種紋理圖像去噪方法的研究[A];2006中國控制與決策學術年會論文集[C];2006年

10 侯艷芹;李均利;魏平;陳剛;;一種新的基于模糊均差和小波閾值的醫(yī)學圖像去噪方法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

相關重要報紙文章 前1條

1 郭建春;圖像去噪技術中國專利申請分析[N];中國知識產權報;2012年

相關博士學位論文 前10條

1 張曉娟;自適應偏微分方程與圖像去噪[D];上海大學;2019年

2 Abdelgader Siddig Elzibaer Abdelgader;基于四階非線性偏微分方程模型的圖像去噪[D];哈爾濱工業(yè)大學;2018年

3 施克漢;基于橢圓和拋物型方程組的圖像去噪和壓縮[D];哈爾濱工業(yè)大學;2018年

4 李小平;低秩與稀疏正則化在圖像去噪與分割中的建模研究[D];西安電子科技大學;2017年

5 賈西西;面向低層視覺的稀疏低秩模型理論與方法[D];西安電子科技大學;2018年

6 曾武;基于不可分小波的圖像去噪方法研究[D];武漢大學;2013年

7 王偉娜;分塊常值信號和圖像去噪問題的若干研究[D];中國科學技術大學;2018年

8 朱立新;基于偏微分方程的圖像去噪和增強研究[D];南京理工大學;2007年

9 李波;基于PDE的圖像去噪、修補及分解研究[D];大連理工大學;2008年

10 祝軒;基于偏微分方程的圖像去噪、修復及放大研究[D];西北大學;2008年

相關碩士學位論文 前10條

1 謝鵬;基于卷積神經(jīng)網(wǎng)絡的圖像去噪研究[D];湘潭大學;2019年

2 李相捧;基于l~q范數(shù)的自適應正則化模型去噪算法研究[D];湘潭大學;2019年

3 果實;基于卷積神經(jīng)網(wǎng)絡的真實相機圖像去噪的研究[D];哈爾濱工業(yè)大學;2019年

4 沈晨;基于壓縮感知的無人機偵察圖像去噪方法研究[D];國防科技大學;2017年

5 蔡明fg;基于FPGA的圖像去噪處理及硬件實現(xiàn)[D];青島大學;2019年

6 李楠;基于深度學習的圖像去噪聲方法研究[D];長春理工大學;2019年

7 嚴玉芳;基于低秩張量恢復的圖像去噪方法[D];溫州大學;2019年

8 張興妥;偏微分方程在圖像去噪中的應用研究[D];重慶郵電大學;2018年

9 周敬;水聲圖像去噪方法研究[D];電子科技大學;2019年

10 王樂蓉;圖像去噪的變分引導濾波及其快速算法[D];河南理工大學;2018年

本文編號：2830814