本文選題：圖像去噪 + 稀疏表示��； 參考：《昆明理工大學(xué)》2017年碩士論文

【摘要】：隨著數(shù)字化多媒體的發(fā)展,人們對于圖像質(zhì)量的要求也逐漸變高,然而圖像噪聲污染很大程度上降低了圖像的質(zhì)量,因此圖像去噪是圖像處理的研究重點。傳統(tǒng)的圖像去噪方法雖然實現(xiàn)較為容易,但卻容易丟失圖像結(jié)構(gòu)紋理信息。近年來隨著壓縮感知的推廣和興起,使得稀疏表示理論得到了很大的關(guān)注。本文主要對基于稀疏表示理論的圖像去噪算法展開研究,對傳統(tǒng)稀疏表示去噪算法進(jìn)行改進(jìn),具體工作有以下三方面:第一,傳統(tǒng)的圖像去噪方法雖然容易實現(xiàn),但容易丟失圖像結(jié)構(gòu)紋理信息,針對傳統(tǒng)去噪方法存在的不足,本文提出一種基于形態(tài)學(xué)成分分析(Morphological Component Analysis,MCA)將圖像拆分為紋理部分和結(jié)構(gòu)部分,對紋理部分采用基于全相位離散余弦雙正交變換(All Phase Discrete Cosine Biorthogonal Transform,APDCBT)字典的稀疏表示算法去噪,對結(jié)構(gòu)部分采用三維塊匹配BM3D(Block-Matching and 3-D Filtering)算法去噪。最后將兩部分合起來得到最終去噪圖像。第二,針對傳統(tǒng)K奇異值分析(K-SVD)的圖像去噪方法對于信號利用率不足,本文采用稀疏貝葉斯學(xué)習(xí)(Sparse Bayesian Learning,SBL)對圖像信號進(jìn)行預(yù)處理。因為噪聲原子存在于字典更新之后得到的字典中,所以結(jié)合Bartlett檢驗法將噪聲原子裁剪掉。第三,針對傳統(tǒng)K奇異值分析(K-SVD)的圖像去噪方法運行時間較長以及凸優(yōu)化算法中最速下降算法的鋸齒現(xiàn)象的缺點,本文提出了一種改進(jìn)的最速下降算法與正交匹配追蹤(orthogonalmatchingpursuit,OMP)相結(jié)合的方法,有效解決了運行時間和鋸齒現(xiàn)象。本文通過對比試驗,仿真結(jié)果表明,本文提出的去噪方法相對于傳統(tǒng)去噪方法更好的保留圖像的細(xì)節(jié)特征和結(jié)構(gòu)信息,獲得更高的峰值信噪比值(PSNR)。相比于傳統(tǒng)K-SVD圖像去噪方法本文方法能更好地濾除噪聲,運行時間得以提高。為了更好的反應(yīng)本文方法取得較好的實驗結(jié)果,將本文方法做成Matlab GUI更直觀的對比顯示。
[Abstract]:With the development of digital multimedia, the demand for image quality is becoming higher and higher. However, image noise pollution greatly reduces the image quality, so image denoising is the focus of image processing. Although the traditional image denoising method is easy to realize, it is easy to lose the texture information of image structure. In recent years, with the expansion and rise of compressed perception, sparse representation theory has been paid much attention. In this paper, the image denoising algorithm based on sparse representation theory is studied, and the traditional sparse representation denoising algorithm is improved. The specific work is as follows: first, the traditional image denoising method is easy to realize. But it is easy to lose the texture information of image structure. Aiming at the shortcomings of the traditional denoising methods, this paper proposes a new method based on morphological component analysis (MCA) to divide the image into texture and structure parts. The sparse representation algorithm based on all Phase Discrete Cosine Biorthogonal transform (all Phase Discrete Cosine Biorthogonal transform) dictionary is used for texture part, and the 3D block matching BM3D(Block-Matching and 3-D filtering algorithm is used for the structure part. Finally, the two parts are combined to get the final denoising image. Secondly, because the traditional K-SVD (K-SVD) image denoising method is insufficient for signal utilization, sparse Bayesian learning Bayesian learning (SBL) is used to preprocess the image signal. Because noise atoms exist in the dictionary after the dictionary is updated, the noise atoms are clipped by Bartlett test. Thirdly, aiming at the disadvantages of the traditional K-SVD (K-SVD) image denoising method and the sawtooth phenomenon of the steepest descent algorithm in the convex optimization algorithm, In this paper, an improved steepest descent algorithm combined with orthogonal matching tracking algorithm (OMP) is proposed, which solves the problem of running time and sawtooth effectively. The simulation results show that compared with the traditional denoising method, the proposed denoising method preserves the detailed features and structure information of the image better, and obtains a higher PSNRN than the traditional denoising method. Compared with the traditional K-SVD image denoising method, this method can filter noise better and improve the running time. In order to better reflect the experimental results of this method, this method is made into Matlab GUI more intuitionistic contrast display.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 王英;曾光宇;;圖像去噪算法研究[J];電腦與信息技術(shù);2011年04期

2 董曉亮;高岳林;;最速下降算法的教學(xué)探討[J];寧夏師范學(xué)院學(xué)報;2011年03期

3 鄧承志;;基于多尺度脊波字典的圖像去噪算法[J];計算機工程;2010年23期

4 羅仁澤;冉瑞生;王汝言;;基于奇異值分解的基圖像的人臉識別[J];電訊技術(shù);2008年02期

5 侯正信;離散余弦列率濾波器的設(shè)計及應(yīng)用[J];天津大學(xué)學(xué)報;1999年03期

相關(guān)博士學(xué)位論文 前3條

1 何艷敏;稀疏表示在圖像壓縮和去噪中的應(yīng)用研究[D];電子科技大學(xué);2011年

2 王成優(yōu);全相位雙正交變換理論及其在圖像編碼中的應(yīng)用研究[D];天津大學(xué);2010年

3 康牧;圖像處理中幾個關(guān)鍵算法的研究[D];西安電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 李鑫;基于稀疏表示的圖像去噪方法研究[D];陜西師范大學(xué);2015年

2 李錦興;基于稀疏表示的圖像融合方法研究[D];重慶大學(xué);2015年

3 王瑤;基于稀疏表示的圖像去噪算法研究[D];安徽大學(xué);2014年

4 楊鑫蕊;改進(jìn)的小波閾值去噪算法研究[D];哈爾濱理工大學(xué);2014年

5 劉鋼;基于壓縮感知和稀疏表示理論的圖像去噪研究[D];電子科技大學(xué);2013年

6 周燦梅;基于壓縮感知的信號重建算法研究[D];北京交通大學(xué);2010年

7 朱杰;基于稀疏表示的小波去噪[D];北京交通大學(xué);2010年

8 朱文濤;基于SURE理論的小波閾值去噪算法研究[D];燕山大學(xué);2010年

9 喬雅莉;基于稀疏表示的圖像去噪算法研究[D];北京交通大學(xué);2009年

10 張郝;基于小波變換的圖像去噪方法研究[D];北京交通大學(xué);2008年

，

本文編號：1915721