圖像去噪不僅僅是一個老的學科問題,在當下也是比較熱門的研究領域,很多學者致力于研究更優(yōu)秀的算法對噪聲圖像進行更好的修復。隨著現(xiàn)代科學和技術的發(fā)展,采集硬件易于處理具有出色高分辨率和高快門速度的圖像。但是這些因素也導致圖像捕獲設備在抓取圖像時容易被噪聲破壞。有效的圖像去噪技術可以幫助相機制造商解決這個問題。這也使得圖像去噪仍然是繼續(xù)研究的熱門問題。本文研究的去噪技術是基于塊和稀疏表示的去噪理論。以稀疏表示相關理論為基礎,運用字典學習算法,稀疏表示算法,聚類算法,凸優(yōu)化,非凸優(yōu)化及正則化相關理論,設計相關圖像去噪算法,主要研究內容如下:首先提出了一種新的圖像去噪字典學習方法。所提出的想法是將噪聲信息結合到稀疏編碼算法的設計中,稱為改進的稀疏編碼（Tikhonov-MOD-AK-SVD）,其可以有效地抑制訓練期間的噪聲影響。我們利用K-means方法對噪聲圖像塊進行分組;其次,每個字典由Tikhonov-MOD-AK-SVD在相應的圖像類別中訓練;最后,這些詞典合并為一個過完備字典�；鶞蕯�(shù)據(jù)集上的圖像去噪的實驗結果表明,所提出的字典學習的去噪方法優(yōu)于傳統(tǒng)的字典學習去噪方法。其次,我們對基于非... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

在稀疏度為s=6的情況下字典成功恢復率具體迭代演變

2.5 算法設計在本節(jié)中，我們利用相應去噪框架[47][50][51][52]，該框架通過利用稀疏性和冗余提出去噪算法。首先，我們將描述所提算法的主要思想，如下 2-2 圖所示。 設 Y給定的噪聲圖像。 因為該去噪框架[47][50][51][52]基于稀疏表示的要求，我們需要得到個過完備的字典，以稀疏地表示執(zhí)行去噪處理的每個噪聲圖像塊。 在完成 MAK-SVD 算法生成的字典時，針對這個問題，我們使用 K-means 算法將噪聲圖像分成{ …, ,. }。由于來自同一簇的元素具有相似的幾何結構，因此相應的完整典{ , , …, }由 Tikhonov-MOD-AK-SVD 算法訓練，最后，通過組合這些完的字典來生成過完備的字典 D.。最后通過稀疏冗余表達得到去噪圖像。2.5.1 基于 k-mean 聚類的 Tikhonov-MOD-AK-SVD 圖像去噪算法設計算法結構框圖如下：

Peppers 圖像和 Baboon 圖像的去噪效果。實驗 2：為了驗證所提出的方法適用于處理強噪聲情況，我們將加性高斯聲的標準差設置為 35，然后使用不同的方法比較 Parrot 圖像和 Cameraman 圖去噪結果。實驗 3：為了證明所提出的方法可以處理一些混合噪聲。我們將加性高斯聲的標準差設置為 20，將斑點噪聲的密度設置為 d=1×10-3，然后用不同的方較 Cameraman2 圖像的去噪效果。為了評估去噪圖像的質量，我們使用峰值信噪比(PSNR)作為評估原始成像噪結果之間差異的良好標準。表 2-2 展示了不同的測試圖像算法的 PSNR。在 P方面，我們的方法優(yōu)于稀疏編碼方法，并改進了稀疏編碼方法。然后根據(jù) Fig 2Fig 2-7 中的結果，表明我們提出的方法能夠獲得比本文提出的其他兩種對比方好的視覺質量。

【參考文獻】：
期刊論文
[1]基于字典學習的低劑量X-ray CT圖像去噪[J]. 朱永成,陳陽,羅立民,Toumoulin Christine.  東南大學學報(自然科學版). 2012(05)
[2]小波變換和稀疏冗余表示的混合圖像去噪[J]. 李慧斌,劉峰.  中國圖象圖形學報. 2012(09)
[3]基于稀疏表示的兩級圖像去噪[J]. 何艷敏,甘濤,陳武凡.  電子與信息學報. 2012(09)
[4]一種基于去冗余字典的圖像去噪算法[J]. 張丹瑩,李翠華,李雄宗,施華,張東曉.  廈門大學學報(自然科學版). 2012(04)
[5]自適應超完備字典學習的SAR圖像降噪[J]. 楊萌,張弓.  中國圖象圖形學報. 2012(04)
[6]采用非局部均值的連續(xù)太赫茲圖像去噪處理[J]. 李琦,夏志偉,丁勝暉,王騏.  紅外與激光工程. 2012(02)
[7]一種改進的非局部均值圖像去噪算法[J]. 劉曉明,田雨,何徽,仲元紅.  計算機工程. 2012(04)
[8]小波域中的廣義非局部平均去噪算法[J]. 馮象初,劉濤,李亞峰.  西安電子科技大學學報. 2010(05)
[9]基于2DPCA的有效非局部濾波方法[J]. 鄭鈺輝,孫權森,夏德深.  自動化學報. 2010(10)
[10]基于結構張量的Non-Local Means去噪算法研究[J]. 許娟,孫玉寶,韋志輝.  計算機工程與應用. 2010(28)



本文編號：3383195