作為信息存儲與傳遞的重要載體,圖像同樣也是人類感知和識別信息的重要方式。但是,由于各種因素,圖像經(jīng)常被噪聲所污染。為了盡可能地恢復(fù)圖像的真實(shí)信息,學(xué)者們先后提出傳統(tǒng)去噪算法、非局部去噪算法以及深度學(xué)習(xí)去噪算法。盡管許多去噪方法被應(yīng)用,但對該問題的研究仍有待深入。本文主要圍繞基于低秩的非局部圖像去噪算法與基于深度學(xué)習(xí)的圖像去噪算法展開,對非局部去噪算法在小數(shù)據(jù)量以及深度學(xué)習(xí)去噪算法在樣本豐富的大數(shù)據(jù)圖像去噪任務(wù)中的應(yīng)用進(jìn)行研究,本文的主要工作與創(chuàng)新如下:（1）對經(jīng)典的圖像去噪算法進(jìn)行研究,主要包括傳統(tǒng)的基于空間域和變換域的算法,基于非局部模型的NLM、BM3D、NCSR算法,以及基于深度學(xué)習(xí)的CSF、TNRD算法。結(jié)合去噪算法的客觀評價指標(biāo)PSNR以及圖像質(zhì)量的主觀評價方法,通過實(shí)驗(yàn)進(jìn)行去噪算法性能評估。（2）基于低秩理論,對低秩矩陣近似的WNNM（Weighted Nuclear Norm Minimization）算法進(jìn)行研究,并提出如下改進(jìn)。a)針對相似塊聚合過程中使用歐氏距離度量圖像塊相似性未考慮到圖像塊結(jié)構(gòu)信息的問題,引入基于小波預(yù)濾波與結(jié)構(gòu)相似度上的圖像結(jié)構(gòu)信息,提出新的塊間... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來源
    1.2 課題研究背景及意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 圖像去噪方法
        1.3.2 圖像質(zhì)量評價方法
    1.4 論文主要內(nèi)容及組織結(jié)構(gòu)
第2章 經(jīng)典的圖像去噪算法研究
    2.1 傳統(tǒng)圖像去噪算法
        2.1.1 基于空間域的圖像去噪
        2.1.2 基于變換域的圖像去噪
    2.2 經(jīng)典的非局部圖像去噪算法
        2.2.1 NLM去噪算法
        2.2.2 BM3D去噪算法
        2.2.3 NCSR去噪算法
    2.3 經(jīng)典的神經(jīng)網(wǎng)絡(luò)圖像去噪算法
        2.3.1 CSF去噪算法
        2.3.2 TNRD去噪算法
    2.4 實(shí)驗(yàn)結(jié)果與分析
    2.5 本章小結(jié)
第3章 基于低秩的非局部圖像去噪算法研究
    3.1 基于低秩的圖像去噪算法原理與實(shí)現(xiàn)
        3.1.1 基于低秩的圖像去噪原理
        3.1.2 基于低秩的圖像去噪數(shù)學(xué)模型及求解
        3.1.3 基于低秩的圖像去噪算法框架
    3.2 引入結(jié)構(gòu)相似性與小波預(yù)濾波的低秩去噪算法設(shè)計(jì)與實(shí)現(xiàn)
        3.2.1 基于結(jié)構(gòu)相似性與小波預(yù)濾波的圖像去噪算法設(shè)計(jì)
        3.2.2 基于結(jié)構(gòu)相似性與小波預(yù)濾波的圖像去噪算法實(shí)現(xiàn)
    3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 基于深度學(xué)習(xí)的圖像去噪算法研究
    4.1 基于深度學(xué)習(xí)的圖像去噪算法原理與實(shí)現(xiàn)
        4.1.1 基于深度學(xué)習(xí)的圖像去噪原理
        4.1.2 深度學(xué)習(xí)中的網(wǎng)絡(luò)模型參數(shù)學(xué)習(xí)技術(shù)
        4.1.3 基于深度學(xué)習(xí)的兩種新型去噪網(wǎng)絡(luò)
    4.2 基于multi-flow與 ASPP的深度學(xué)習(xí)去噪算法設(shè)計(jì)與實(shí)現(xiàn)
        4.2.1 基于multi-flow與 ASPP的圖像去噪算法設(shè)計(jì)
        4.2.2 基于multi-flow與 ASPP的圖像去噪算法實(shí)現(xiàn)
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 課題總結(jié)
    5.2 課題展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間獲得與學(xué)位論文相關(guān)的科研成果目錄


【參考文獻(xiàn)】：
期刊論文
[1]圖像噪聲方差分段估計(jì)法[J]. 張承志,馮華君,徐之海,李奇,陳躍庭.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2018(09)
[2]基于三變量模型的剪切波去噪方法[J]. 郭強(qiáng),郁松年.  自動化學(xué)報(bào). 2010(08)
[3]空間域圖像去噪方法[J]. 林曉梅,李琳娜,薄萬寶,牛剛.  長春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2004(01)

碩士論文
[1]基于非局部均值的圖像去噪方法研究[D]. 王林.西安電子科技大學(xué) 2014



本文編號：3006480