發(fā)布時(shí)間：2021-01-14 09:50

　　圖像去噪過程可以理解為圖像的退化過程,該過程是從被噪聲污染的圖像中盡可能地恢復(fù)出清晰的圖像。圖像去噪的方法有多種,其中,以變分法為理論基礎(chǔ)依據(jù)而提出的全變分去噪算法因其能有效的刻畫圖像的數(shù)學(xué)性質(zhì)而深受研究學(xué)者們青睞。本文主要研究乘子交替方向法在全變分圖像去噪中的應(yīng)用,提出了兩種改進(jìn)后的加權(quán)去噪算法,加權(quán)壓縮感知全變分去噪算法和加權(quán)方向自適應(yīng)全變分去噪算法。加權(quán)壓縮感知全變分去噪算法首先利用全變分頻普結(jié)構(gòu)分析法將含噪圖像進(jìn)行高頻和低頻的分解,利用頻率的先驗(yàn)知識對圖像的正則項(xiàng)加權(quán),強(qiáng)化對圖像高頻部分的去噪處理。隨后,通過乘子交替方向法進(jìn)行算法的求解,并使擬合項(xiàng)參數(shù)自適應(yīng)。最后,通過數(shù)值實(shí)驗(yàn)證明了加權(quán)壓縮感知全變分去噪算法對灰度圖像的加性噪聲能有效去噪,該算法與對比的實(shí)驗(yàn)算法相比,峰值信噪比提升了1d B以上,且結(jié)構(gòu)相似性也優(yōu)于對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,該算法適合去除噪聲較大的圖像。加權(quán)方向自適應(yīng)全變分去噪算法則利用圖像方向的先驗(yàn)知識對算法加權(quán)。首先,同樣要用全變分頻普結(jié)構(gòu)分析法將含噪圖像分解。然后,通過圖像角度信息對算法中正則項(xiàng)的差分算子進(jìn)行加權(quán)。其中,針對伸縮算子的邊界偽影問題,改進(jìn)伸縮算... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像去噪方法的分類本文主要研究基于變分法思想的全變分去噪方法

重慶郵電大學(xué)碩士學(xué)位論文第2章模型和算法的理論知識11算子中的角度有差異時(shí)，伸縮算子表現(xiàn)出的權(quán)重就會(huì)抑制該方向上的算法去噪能力。由圖2.1(b)可以看出，當(dāng)角度為0時(shí)，方向全變分算法對圖像的水平方向部分能夠很好地去噪，但對其余部分沒有去噪效果或去噪效果不明顯。當(dāng)角度為/2時(shí)，方向全變分僅對圖像的垂直方向去噪。(a)含噪圖(b)0的去噪圖(c)/2的去噪圖圖2.1方向全變分去噪算法在噪聲為0.1時(shí)的去噪效果圖方向全變分適用于整體方向單一或是局部方向單一的圖像。除了角度外，伸縮算子也是影響方向全變分的重要參數(shù)。作為角度上的權(quán)重，其參數(shù)的大小影響圖像方向上的權(quán)重大校可以認(rèn)為當(dāng)圖像在某一像素的梯度值較大且旋轉(zhuǎn)的方向是一致的，就能選擇較大的來增加權(quán)重，提高算法的去噪能力。同時(shí)，作為正則項(xiàng)參數(shù)的一部分，過大的會(huì)導(dǎo)致兩種情況，第一種是角度信息與圖像信息一致，但由于過大造成正則項(xiàng)過大，使去噪后的圖像過于平滑而降低了圖像噪聲；第二種情況是角度信息與圖像信息存在偏差，過大的無法使方向全變分算法對含噪圖像去噪或去噪不徹底。實(shí)際中，方向全變分算法的取值需要通過實(shí)驗(yàn)經(jīng)驗(yàn)確定，因此，的自適應(yīng)也是方向全變分中的研究點(diǎn)。(a)原始差分(b)伸縮后的差分(c)旋轉(zhuǎn)和伸縮后的差分圖2.2旋轉(zhuǎn)和伸縮的效果圖通過對方向全變分算法的角度進(jìn)行自適應(yīng)的改進(jìn)，得到了自適應(yīng)方向全變分去噪算法，即EADTV算法，主要是在全變分的基礎(chǔ)上通過角度完成方向上的自適應(yīng)，可以利用圖像的梯度信息獲得。角度自適應(yīng)后的方向全變分去噪算法不再

重慶郵電大學(xué)碩士學(xué)位論文第2章模型和算法的理論知識11算子中的角度有差異時(shí)，伸縮算子表現(xiàn)出的權(quán)重就會(huì)抑制該方向上的算法去噪能力。由圖2.1(b)可以看出，當(dāng)角度為0時(shí)，方向全變分算法對圖像的水平方向部分能夠很好地去噪，但對其余部分沒有去噪效果或去噪效果不明顯。當(dāng)角度為/2時(shí)，方向全變分僅對圖像的垂直方向去噪。(a)含噪圖(b)0的去噪圖(c)/2的去噪圖圖2.1方向全變分去噪算法在噪聲為0.1時(shí)的去噪效果圖方向全變分適用于整體方向單一或是局部方向單一的圖像。除了角度外，伸縮算子也是影響方向全變分的重要參數(shù)。作為角度上的權(quán)重，其參數(shù)的大小影響圖像方向上的權(quán)重大�？梢哉J(rèn)為當(dāng)圖像在某一像素的梯度值較大且旋轉(zhuǎn)的方向是一致的，就能選擇較大的來增加權(quán)重，提高算法的去噪能力。同時(shí)，作為正則項(xiàng)參數(shù)的一部分，過大的會(huì)導(dǎo)致兩種情況，第一種是角度信息與圖像信息一致，但由于過大造成正則項(xiàng)過大，使去噪后的圖像過于平滑而降低了圖像噪聲；第二種情況是角度信息與圖像信息存在偏差，過大的無法使方向全變分算法對含噪圖像去噪或去噪不徹底。實(shí)際中，方向全變分算法的取值需要通過實(shí)驗(yàn)經(jīng)驗(yàn)確定，因此，的自適應(yīng)也是方向全變分中的研究點(diǎn)。(a)原始差分(b)伸縮后的差分(c)旋轉(zhuǎn)和伸縮后的差分圖2.2旋轉(zhuǎn)和伸縮的效果圖通過對方向全變分算法的角度進(jìn)行自適應(yīng)的改進(jìn)，得到了自適應(yīng)方向全變分去噪算法，即EADTV算法，主要是在全變分的基礎(chǔ)上通過角度完成方向上的自適應(yīng)，可以利用圖像的梯度信息獲得。角度自適應(yīng)后的方向全變分去噪算法不再

【參考文獻(xiàn)】：
期刊論文
[1]印刷電路板的圖像分解去噪算法[J]. 余麗紅,柳貴東,林春景,李志凱.  科學(xué)技術(shù)與工程. 2019(19)
[2]基于非局部低秩和加權(quán)全變分的圖像壓縮感知重構(gòu)算法[J]. 趙輝,張靜,張樂,劉瑩莉,張?zhí)祢U.  電子與信息學(xué)報(bào). 2019(08)
[3]基于分?jǐn)?shù)階全變差和自適應(yīng)正則化參數(shù)的圖像去模糊[J]. 楊曉梅,向雨晴,劉亞男,鄭秀娟.  工程科學(xué)與技術(shù). 2018(06)
[4]一種基于壓縮感知的全變分圖像去噪算法[J]. 劉澤鵬,陳媛媛.  測試技術(shù)學(xué)報(bào). 2018(04)
[5]一種基于壓縮感知的改進(jìn)全變分圖像去噪模型[J]. 王俊,楊成龍.  計(jì)算機(jī)與數(shù)字工程. 2017(09)
[6]乘子交替方向法的一些收斂性質(zhì)[J]. 何炳生.  高等學(xué)校計(jì)算數(shù)學(xué)學(xué)報(bào). 2017(01)
[7]修正乘子交替方向法求解三個(gè)可分離算子的凸優(yōu)化[J]. 何炳生.  運(yùn)籌學(xué)學(xué)報(bào). 2015(03)
[8]彩色印刷圖像色差的主觀評價(jià)[J]. 劉浩學(xué),黃敏,武兵,徐艷芳.  北京印刷學(xué)院學(xué)報(bào). 2007(02)
[9]基于PSNR與SSIM聯(lián)合的圖像質(zhì)量評價(jià)模型[J]. 佟雨兵,張其善,祁云平.  中國圖象圖形學(xué)報(bào). 2006(12)
[10]基于soft形態(tài)學(xué)的椒鹽噪聲濾波器[J]. 顏七笙,王士同.  微計(jì)算機(jī)信息. 2005(23)

博士論文
[1]四方向全變分在圖像去噪問題中的應(yīng)用[D]. 廖帆.東南大學(xué) 2015

碩士論文
[1]基于全變分模型的圖像去噪方法研究及系統(tǒng)實(shí)現(xiàn)[D]. 陳棠.西安理工大學(xué) 2018
[2]結(jié)合全變分模型的圖像去噪方法研究[D]. 欒寧麗.華中師范大學(xué) 2018
[3]基于全參考的立體圖像質(zhì)量評價(jià)方法研究[D]. 孟麗茹.吉林大學(xué) 2015



本文編號：2976685