本文選題：加權(quán)核范數(shù) + 全變分��； 參考：《計(jì)算機(jī)工程與應(yīng)用》2017年23期

【摘要】：為提升圖像去噪后的視覺(jué)感受,提出一種加權(quán)核范數(shù)最小化(WNNM)結(jié)合全變分(TV)的二級(jí)圖像降噪方法。首先對(duì)含噪圖像進(jìn)行TV基礎(chǔ)去噪,其次用噪聲圖像與基礎(chǔ)去噪結(jié)果圖做差分運(yùn)算,并對(duì)差分后的結(jié)果自適應(yīng)維納濾波,然后將濾波后圖像與基礎(chǔ)TV降噪圖像疊加,利用塊匹配做相似補(bǔ)丁收集,最后運(yùn)用加權(quán)核范數(shù)最小化進(jìn)行二次去噪,得到最終降噪圖像。通過(guò)與原WNNM、三維塊匹配去噪(BM3D)、漏斗自相似非局部去噪(FNLM)方法對(duì)比,該方法不僅對(duì)平滑區(qū)域有較優(yōu)的降噪效果,同時(shí)處理了漏斗自相似非局部去噪與BM3D在高噪聲情況下帶來(lái)花斑與假條紋狀況,并且使結(jié)構(gòu)紋理信息最大化相似。
[Abstract]:In order to improve the visual perception of image denoising, a two-stage image denoising method based on weighted kernel norm minimization (WNNM) and total variational technique (TVV) is proposed. First of all, the noise image is de-noised based on TV, then the difference operation is done by using the noise image and the basic denoising result graph, and the result of the difference is adaptively Wiener filter, then the filtered image is superposed with the basic TV denoising image. The block matching is used to collect the similar patches, and the weighted kernel norm minimization is used to reduce the noise twice, and the final denoising image is obtained. Compared with the original WNNM, 3D block matching denoising method and funnel self-similar non-local noise removal method, this method not only has a better noise reduction effect on smooth region. At the same time, the self-similar non-local denoising of funnel and BM3D bring about speckles and false fringes under high noise, and maximize the similarity of structural texture information.
【作者單位】： 西南科技大學(xué)信息工程學(xué)院;特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)青年基金(No.61601382,No.61601382) 四川省教育廳重點(diǎn)項(xiàng)目(No.15ZA0118) 特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(No.13zxtk0505) 西南科技大學(xué)博士基金(No.13zx7112)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃炯;圖像邊緣處理[J];電視字幕(特技與動(dòng)畫(huà));2000年09期

2 劉建忠;;圖像邊緣的數(shù)學(xué)結(jié)構(gòu)分析[J];軟件;2011年05期

3 陳文兵;張小磊;;基于圖像邊緣的能見(jiàn)度計(jì)算方法[J];微型電腦應(yīng)用;2009年04期

4 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數(shù)字圖像邊緣的算法比較[J];成都航空職業(yè)技術(shù)學(xué)院學(xué)報(bào);2009年04期

5 潘衛(wèi)國(guó);鮑泓;何寧;;一種傳統(tǒng)中國(guó)書(shū)畫(huà)圖像的二分類(lèi)方法[J];計(jì)算機(jī)科學(xué);2012年03期

6 周濤;陸惠玲;拓守恒;馬競(jìng)先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補(bǔ)算法[J];寧夏大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

7 宋建中;;噴霧圖像的自動(dòng)分析[J];光學(xué)機(jī)械;1988年04期

8 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

9 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

10 潘泓;夏良正;;一種基于圖像邊緣的矩計(jì)算方法[J];模式識(shí)別與人工智能;2003年03期

相關(guān)會(huì)議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動(dòng)感特征分析[A];第一屆中國(guó)情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

3 韓焱;王明泉;宋樹(shù)爭(zhēng);;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊(cè)）[C];2001年

4 王強(qiáng);王風(fēng);;一種保持圖像幾何特征的去噪模型[A];中國(guó)通信學(xué)會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無(wú)參考客觀質(zhì)量評(píng)測(cè)方法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

7 漆琳智;張超;吳向陽(yáng);;引導(dǎo)濾波的單幅圖像前景精確提取[A];浙江省電子學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

8 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

9 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

10 羅強(qiáng);任慶利;;基于局部IFS理論提取圖像邊緣[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)重要報(bào)紙文章 前3條

1 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報(bào);2009年

2 ;圖像質(zhì)量調(diào)整秘技[N];電腦報(bào);2001年

3 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報(bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

2 賈茜;基于時(shí)—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);2014年

3 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學(xué);2014年

4 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

5 楊小義;圖像特征識(shí)別算法及其在聾人視覺(jué)識(shí)別中的應(yīng)用研究[D];重慶大學(xué);2015年

6 溫景陽(yáng);圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學(xué);2015年

7 李林;基于概率圖模型的圖像整體場(chǎng)景理解方法研究[D];電子科技大學(xué);2014年

8 余汪洋;基于被動(dòng)毫米波的隱匿物品探測(cè)方法研究[D];北京理工大學(xué);2015年

9 孟凡滿(mǎn);圖像的協(xié)同分割理論與方法研究[D];電子科技大學(xué);2014年

10 繆君;基于多視圖像的平面場(chǎng)景重建研究[D];南昌大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 李鵬遠(yuǎn);圖像檢索算法研究及其在互聯(lián)網(wǎng)教育中的應(yīng)用[D];華南理工大學(xué);2015年

2 萬(wàn)燕英;微聚焦X-ray圖像自適應(yīng)正則化去噪方法[D];華南理工大學(xué);2015年

3 毛雙艷;基于梯度域的圖像風(fēng)格化渲染方法的研究及其應(yīng)用[D];華南理工大學(xué);2015年

4 向訓(xùn)文;RGB-D圖像顯著性檢測(cè)研究[D];華南理工大學(xué);2015年

5 曾旭;基于聚類(lèi)和加權(quán)非局部的圖像稀疏去噪方法研究[D];天津理工大學(xué);2015年

6 熊楊超;圖像美學(xué)評(píng)價(jià)及美學(xué)優(yōu)化研究[D];華南理工大學(xué);2015年

7 王艷;圖像視覺(jué)顯著性檢測(cè)方法及應(yīng)用的研究[D];華南理工大學(xué);2015年

8 鄭露萍;圖像二階微分特征提取及人臉識(shí)別應(yīng)用研究[D];昆明理工大學(xué);2015年

9 王思武;基于太陽(yáng)圖像的特征提取和檢索[D];昆明理工大學(xué);2015年

10 曹靜;基于暗通道先驗(yàn)算法的圖像去霧處理[D];海南大學(xué);2015年

，

本文編號(hào)：1950623