發(fā)布時間：2021-01-21 12:13

　　圖像在產(chǎn)生、傳輸和獲取過程中非常容易受到噪聲的干擾,圖像去噪是圖像處理和分析中必不可少的預(yù)處理步驟。近幾十年來,相關(guān)問題的研究一直是該領(lǐng)域?qū)W者關(guān)注的熱點。針對目前基于稀疏表示的圖像去噪算法去噪精度不高的問題,本文給出了兩種圖像去噪改進(jìn)算法,主要內(nèi)容如下。1.針對目前基于稀疏表示的去噪方法容易丟失圖像細(xì)節(jié),造成圖像去噪質(zhì)量不高的問題,本文提出了一種在非局部框架下的基于低秩和稀疏表示的圖像去噪方法。所提出的算法主要由兩步構(gòu)成:首先,把相似的圖像塊匹配分組,建立低秩矩陣恢復(fù)模型,然后利用隨機(jī)矩陣?yán)碚搶崿F(xiàn)初步去噪;其次,通過非局部稀疏表示方法去除圖像中的偽影。理論分析和實驗結(jié)果都表明,所提出的方法相對于目前流行的同類去噪方法能夠更好地濾除噪聲,保留圖像細(xì)節(jié)信息,得到更佳的圖像視覺效果。2.針對目前基于K-SVD字典學(xué)習(xí)的圖像去噪算法去噪能力不強(qiáng)的問題,本文綜合考慮現(xiàn)有字典學(xué)習(xí)算法的特性,提出了一種基于稀疏表示的圖像去噪優(yōu)化算法。其主要思路是利用稀疏編碼和字典學(xué)習(xí)算法,用盡可能少的原子信息來表示信號的主要信息,能夠很好地保持原始圖像的結(jié)構(gòu)和紋理信息。具體說來,所提出的算法使用AK-SVD算法進(jìn)行... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

本章使用的4幅測試圖像

重慶郵電大學(xué)碩士學(xué)位論文第3章基于非局部自相似性的圖像去噪算法研究33圖3.3四幅圖像的去噪結(jié)果表3.5僅使用低秩恢復(fù)方法去噪與組合使用稀疏表示方法去噪的PSNR(dB)/PSNR153050100low-rankfinallow-rankfinallow-rankfinallow-rankfinalLena36.1136.2731.3631.5729.0329.7725.4626.08House36.8136.9132.5232.7030.2230.5127.1927.37Barbara35.4035.3730.2330.3427.7827.8623.2123.50Camera34.0934.2629.2329.4726.9927.0225.2325.35

重慶郵電大學(xué)碩士學(xué)位論文第3章基于非局部自相似性的圖像去噪算法研究34表3.6四幅圖像去噪的PSNR(dB)(最佳結(jié)果以粗體顯示)/PSNR1530NCSRLSSCBM3D本章算法NCSRLSSCBM3D本章算法Lena34.1234.1834.2734.5231.0631.2231.2631.57House35.0635.2934.4735.2832.0632.3432.1032.61Barbara33.0633.0133.1133.4929.6329.6429.8730.43Camera31.9832.0732.9333.2228.7828.8828.9629.16Average33.5533.6433.7034.1330.3830.5230.6430.94/PSNR50100NCSRLSSCBM3D本章算法NCSRLSSCBM3D本章算法Lena28.9128.9428.9529.4825.7325.9625.9526.49House29.6229.9829.9930.6725.5725.7825.8827.27Barbara26.9927.0827.2327.9323.2023.2223.6224.56Camera26.6727.8227.7327.9524.0223.9723.6224.57Average28.0428.4628.4829.0124.6324.6324.7725.70圖3.4對House圖像的去噪結(jié)果


本文編號：2991138