圖像是人們獲取信息的重要來源之一。由于受到成像、傳輸以及存儲等技術的限制,圖像往往會受到噪聲的污染而變得模糊,因此,如何去除圖像中的噪聲,即圖像去噪,一直是圖像處理領域中的一項具有挑戰(zhàn)性和現(xiàn)實意義的工作。傳統(tǒng)的圖像去噪方法是建立在線性系統(tǒng)的基礎上運用逆濾波的方法來復原圖像,但這種方法會平滑邊緣信息,尤其是在噪聲較強時,可能會出現(xiàn)“振鈴”現(xiàn)象。Rudin,Osher和Fatemi在文獻[Nonlinear total variation based noise removal algorithms.Physica D,1992,60（1-4）:259-268]中提出了一個經(jīng)典的全變差（Total Variation,TV）去噪模型,即著名的ROF模型。該模型具有保邊界平滑的作用,對圖像邊緣有更強的保護能力,因此被廣泛應用于圖像處理的眾多領域,如圖像復原、圖像分割、圖像放大等等。在原始文獻中,作者沒有給出模型解的存在唯一性的理論證明。此外,他們使用顯式有限差分方案離散模型對應的梯度下降流方程,但由于CFL（Courant-Friedrichs-Lewy）條件的限制,這種顯式有限差分方案的時... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：48 頁

【學位級別】：碩士

【部分圖文】：

x,t平面網(wǎng)格剖分Fig2.1x,tplanargrids

三種噪聲的例子第一行：原圖；第二行：高斯噪聲；第三行：泊松噪聲；第四行：椒鹽噪聲Fig3.1ThreetypesofnoiseRow1:originalimages;Row2:Gaussiannoise;Row3:Poissonnoise;Row4:SaltandPeppernoise.

三種算法對十一幅圖像的高斯去噪結果

【參考文獻】：
博士論文
[1]圖像增強的變分模型與數(shù)值計算[D]. 王偉.重慶大學 2017



本文編號：2957466