【摘要】：圖像在人們生活中的影響越來越大,是人們相互交流的重要手段。然而在圖像的生成、傳輸和獲取的過程中,由于外界和內(nèi)在因素的干擾,圖像常常被加入了噪聲,影響了人們對圖像識別的視覺效果。所以,圖像降噪是圖像處理中十分重要的部分。圖像降噪的首要目的是保留圖像的結(jié)構(gòu)信息,然后才是對圖像進行降噪。無論是空間域降噪算法還是頻率域降噪算法,在去噪時往往忽略了圖像的邊緣細(xì)節(jié),導(dǎo)致降噪后的圖像變得模糊。三維圖像鄰域塊匹配降噪方法(BM3D)是目前最出色的算法之一,它解決了圖像在降噪后模糊的問題。然而由于其采用硬閾值進行圖像相似鄰域塊的匹配,在圖像噪聲強度較高的情況下,閾值相對較低,導(dǎo)致圖像相似塊獲取數(shù)量不足,圖像降噪效果不理想;在圖像噪聲強度較低的情況下,閾值相對較高,圖像相似塊匹配數(shù)量過多,圖像降噪時間過長。本論文在深入研究圖像降噪的基礎(chǔ)和理論后,針對BM3D降噪的缺點,提出了一種改進算法——基于自適應(yīng)閾值的BM3D降噪方法。該算法的核心是在圖像相似鄰域塊的獲取過程中,使用自適應(yīng)的閾值代替原BM3D方法中的距離硬閾值。對原始圖像進行鄰域分塊,對選出的參考鄰域塊計算與其他圖像塊的梯度結(jié)構(gòu)相似以及歐式距離,將這兩者進行對比,匹配時的閾值就是圖像塊最相似時的歐式距離。該算法降噪后的圖像無論是客觀測評還是主觀視覺觀察,都取得了比較好的降噪結(jié)果。
[Abstract]:Image is becoming more and more important in people's life, and it is an important means for people to communicate with each other. However, in the process of image generation, transmission and acquisition, the noise is often added to the image due to the interference of external and internal factors, which affects the visual effect of image recognition. Therefore, image denoising is an important part of image processing. The primary purpose of image denoising is to preserve the structure information of the image, and then to reduce the image noise. In both spatial and frequency domain denoising algorithms, the edge details of images are often ignored when denoising, resulting in the blurred image after denoising. Neighborhood block matching denoising (BM3D) is one of the most excellent algorithms in 3D image, which solves the problem of image blur after denoising. However, because the hard threshold is used to match the image similar neighborhood block, the threshold value is relatively low when the image noise intensity is high, which leads to the lack of the number of image similar blocks, and the image denoising effect is not ideal. In the case of low image noise intensity, the threshold is relatively high, the number of image similar blocks matching is too much, and the image denoising time is too long. In this paper, after deeply studying the foundation and theory of image denoising, an improved BM3D denoising method based on adaptive threshold is proposed to overcome the disadvantages of BM3D denoising. The core of the algorithm is to replace the distance hard threshold in the original BM3D method with adaptive threshold in the process of obtaining the image similar neighborhood block. The original image is divided into neighborhood blocks and the selected reference neighborhood blocks are calculated similar to the gradient structure and Euclidean distance of other image blocks. The threshold of matching is the Euclidean distance when the image blocks are most similar. After denoising, both objective evaluation and subjective visual observation have been achieved.
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉麗;智敏;;網(wǎng)球視頻中慢鏡頭的自適應(yīng)閾值探測法[J];計算機工程與科學(xué);2013年04期

2 陳敏;一種自適應(yīng)閾值選擇方法[J];成都信息工程學(xué)院學(xué)報;2005年03期

3 黃茜;王少龍;徐道磊;廖婷婷;;云的自適應(yīng)閾值檢測方法[J];中國圖象圖形學(xué)報;2012年08期

4 焦莉莉;劉麗;馬苗;;改進的自適應(yīng)閾值小波圖像抑噪算法[J];中國體視學(xué)與圖像分析;2009年02期

5 曹敏;程東年;張建輝;吳曦;;基于自適應(yīng)閾值的網(wǎng)絡(luò)流量異常檢測算法[J];計算機工程;2009年19期

6 楊俊;呂偉濤;馬穎;姚雯;李清勇;;基于自適應(yīng)閾值的地基云自動檢測方法[J];應(yīng)用氣象學(xué)報;2009年06期

7 李美玲;陳俊琰;郁崇文;;基于自適應(yīng)閾值的棉網(wǎng)圖像中結(jié)雜的識別[J];東華大學(xué)學(xué)報(自然科學(xué)版);2010年02期

8 曹瑩慧;閆建國;;基于矩和自適應(yīng)閾值的迭代分割算法研究[J];計算機仿真;2011年08期

9 李丹霞;韋玉科;;基于自適應(yīng)閾值的舌像分割方法[J];計算機技術(shù)與發(fā)展;2011年09期

10 胡珂立;趙魯陽;林振華;王營冠;;一種改進的自適應(yīng)閾值前景提取方法[J];計算機應(yīng)用研究;2011年12期

相關(guān)會議論文 前7條

1 焦莉莉;劉麗;馬苗;;自適應(yīng)閾值小波圖像去噪算法的改進[A];第八屆全國信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2009年

2 魯劍鋒;吳川;;基于模糊理論的自適應(yīng)閾值實時DSP系統(tǒng)[A];2007年光電探測與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會論文集[C];2007年

3 馬洪連;李棟;丁男;謝海潮;齊偉;魏戰(zhàn)宇;;基于FPGA的多運動目標(biāo)實時檢測系統(tǒng)的研究[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

4 楊居義;;基于第二代Bandelet變換的自適應(yīng)閾值去噪算法[A];2009年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(上冊)[C];2009年

5 彭莎;吳效明;楊榮騫;;基于數(shù)字摳圖的ROI提取方式改進及其在CT圖像中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會成立30周年紀(jì)念大會暨2010中國生物醫(yī)學(xué)工程學(xué)會學(xué)術(shù)大會青年優(yōu)秀論文[C];2010年

6 劉冠洲;;復(fù)雜礦石圖像自適應(yīng)閾值化算法[A];中國計量協(xié)會冶金分會2014年會暨能源計量與綠色冶金論壇論文集[C];2014年

7 賈曉未;王純;賈克斌;;基于運動特征的鏡頭切變檢測算法[A];全國第五屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議�？�(第一冊)[C];2011年

相關(guān)碩士學(xué)位論文 前8條

1 羅澤;船載熱成像中海面遠(yuǎn)程目標(biāo)自適應(yīng)閾值檢測方法研究[D];大連海事大學(xué);2016年

2 劉思延;基于自適應(yīng)閾值的三維塊匹配降噪算法研究[D];中北大學(xué);2016年

3 沈春裕;自適應(yīng)閾值的運動目標(biāo)檢測技術(shù)研究[D];浙江工業(yè)大學(xué);2012年

4 秦雙勇;基于自適應(yīng)閾值的冶煉耗氧數(shù)據(jù)突變點檢測[D];大連理工大學(xué);2014年

5 黃令允;基于自適應(yīng)閾值的SIFT算法研究及應(yīng)用[D];大連理工大學(xué);2010年

6 吳經(jīng)緯;基于Gauss分布的自適應(yīng)閾值高光譜圖像分類研究[D];南京理工大學(xué);2014年

7 龍永紅;數(shù)字視頻內(nèi)容篡改的被動取證[D];湖南大學(xué);2013年

8 張明吉;自適應(yīng)人體膚色檢測中的若干關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2005年

，

本文編號：2419153