現(xiàn)如今,社會步入高度發(fā)達的信息交互時代,圖像已成為人們傳遞信息的重要載體,信息交互的需求激發(fā)了人們對圖像質(zhì)量的追求。然而,在獲取或處理圖像信息的過程中,往往會受到諸如成像器件質(zhì)量、采集環(huán)境以及設(shè)備傳輸與存儲性能等眾多條件的限制。上述原因通常會導致圖像質(zhì)量發(fā)生一定程度上的退化,最終獲得低質(zhì)量的圖像。近年來學者們針對以上存在的問題,對如何獲取高質(zhì)量圖像的方法進行了研究,并取得了不錯的成果。本論文的研究主題是針對信息不完備條件下的單幅圖像重建,本文的主要工作和結(jié)論如下:1.針對加性噪聲,提出了一種用控制系統(tǒng)模型實現(xiàn)圖像去噪的新方法。主要對模型進行了兩個方面的改進:（1）由于圖像在采樣過程中可能會發(fā)生數(shù)據(jù)丟失的情況,這會對去噪圖像產(chǎn)生嚴重影響,因此本文采用多包傳輸?shù)姆绞綄D像進行分塊拆分,用于系統(tǒng)采樣。同時,引入交織技術(shù),將錯誤信息由局部分散到圖像全局,以此來降低數(shù)據(jù)丟失對圖像的質(zhì)量影響;（2）針對圖像信息不完備條件下恢復圖像紋理信息的問題,構(gòu)建了一種新的濾波器,通過對噪聲點周圍8個方向的邊緣進行合理預(yù)測,實現(xiàn)對圖像的去噪操作。實驗結(jié)果表明,從峰值信噪比和結(jié)構(gòu)相似度等定量比較結(jié)果來看,本文的模... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖不同窗口大小均值濾波去噪效果圖（c）5×5窗口去噪（d）7×7窗口去噪

重慶郵電大學碩士學位論文第2章圖像重構(gòu)和數(shù)據(jù)丟失的相關(guān)基礎(chǔ)知識9圖2.3小波去噪結(jié)構(gòu)框圖2.1.3塊匹配圖像去噪模型數(shù)字圖像中的像素點并不是單一存在，局部區(qū)域中的像素點不僅與該區(qū)域的像素點有關(guān)，還與鄰近區(qū)域的其他像素點有著密切的關(guān)聯(lián)。單一的考慮局部像素點間的關(guān)系并不能有效的獲取非局部特征的自相似性。為了解決這個問題，該模型通過圖像非局部塊間的自相似性，全局搜索與目標塊相似的匹配塊，然后對相似部分進行濾波。相比于處理區(qū)域塊中單獨的像素信息，該算法考慮了圖像全局的結(jié)構(gòu)相似性，進一步提升了去噪算法的準確度。非局部均值算法如下，其中定義()為原始圖像的像素信息，()為含噪聲圖像的像素信息。[′]()=∑(,)[](2.4)其中，為受到噪聲污染的圖像，′為去噪之后的圖像，(,)表示為像素點i與j之間的相似性權(quán)重，該相似性權(quán)重計算方法如下，樣本匹配權(quán)重表示如圖2.4中所示，依據(jù)分別以i為中心的樣本塊和以j為中心的樣本塊之間的歐氏距離確定權(quán)重值。(,)=1()exp[‖0()0()‖222],(,)∈(0,1)(2.5)()=∑exp[‖0()0()‖222](2.6)如公式（2.5）中所示，()表示為歸一化因子，定義在公式（2.6）展示，控制高斯函數(shù)的衰減程度的平滑參數(shù)數(shù)值越大，即可更好控制平緩的高斯函數(shù)變化，用表示。

重慶郵電大學碩士學位論文第2章圖像重構(gòu)和數(shù)據(jù)丟失的相關(guān)基礎(chǔ)知識10圖2.4樣本匹配權(quán)重表示圖2.2圖像的插值模型隨著對圖像插值的研究深入，圖像插值技術(shù)不斷提升而廣泛應(yīng)用于多個領(lǐng)域，這些插值算法大體上可以分為線性插值算法和非線性插值算法兩大類，我們在圖2.5中給出了圖像插值的分類情況。圖2.5圖像插值算法分類

【參考文獻】：
期刊論文
[1]面向三維高效視頻編碼的深度圖錯誤隱藏[J]. 周洋,吳佳憶,陸宇,殷海兵.  電子與信息學報. 2019(11)
[2]基于馬爾科夫網(wǎng)絡(luò)的文本圖像超分辨率重建[J]. 李瑞明,張燁.  山西電子技術(shù). 2017(04)
[3]基于梯度矢量卷積場的四階各向異性擴散及圖像去噪[J]. 任文琦,王元全.  光學精密工程. 2013(10)



本文編號：2967367