圖像去噪作為計(jì)算機(jī)視覺領(lǐng)域的基礎(chǔ)課題一直是學(xué)術(shù)研究中的熱點(diǎn)。圖像噪聲會(huì)嚴(yán)重影響到如圖像分割、圖像編碼、特征提取以及目標(biāo)檢測(cè)等圖像后處理的精度。當(dāng)圖像中既包含較豐富的紋理信息又包含較豐富的幾何結(jié)構(gòu)信息時(shí),現(xiàn)有的圖像去噪算法難以在去除圖像噪聲的同時(shí)保持圖像細(xì)節(jié)信息。針對(duì)這個(gè)問題,本文將圖像的結(jié)構(gòu)先驗(yàn)和稀疏先驗(yàn)引入到圖像復(fù)原處理中,分別提出了基于全變分和稀疏表示的兩種改進(jìn)算法。針對(duì)現(xiàn)有的紅外圖像去噪算法在去除非均勻性噪聲時(shí)殘留噪聲過多的問題,本文提出了一種基于稀疏表示的非均勻性噪聲去除方法。該方法主要以非均勻性噪聲的稀疏先驗(yàn)為理論基礎(chǔ)。通過K-SVD算法訓(xùn)練出學(xué)習(xí)字典,再將學(xué)習(xí)字典以按照條帶噪聲特性排序。使用重排后的學(xué)習(xí)字典對(duì)紅外圖像進(jìn)行稀疏表示,并且在圖像的稀疏系數(shù)上識(shí)別噪聲加以去除。最后,針對(duì)該方法噪聲殘留較大以及造成圖像模糊的問題,本文對(duì)圖像塊的均值圖同樣進(jìn)行非均勻性噪聲去除,提升了該方法去除非均勻性噪聲的能力。針對(duì)現(xiàn)有的高斯噪聲去除算法在去除噪聲時(shí)對(duì)圖像邊緣紋理等細(xì)節(jié)保持能力不足的問題,本文提出了一種基于非局部導(dǎo)控核的全變分圖像去噪方法。該方法利用了圖像自相似性先驗(yàn)以及具有優(yōu)異紋理特...

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
    1.1 研究背景
    1.2 結(jié)構(gòu)先驗(yàn)方法國內(nèi)外研究現(xiàn)狀
    1.3 稀疏表示的研究現(xiàn)狀
    1.4 論文研究?jī)?nèi)容及結(jié)構(gòu)安排
第二章 結(jié)構(gòu)先驗(yàn)與稀疏表示概述
    2.1 稀疏先驗(yàn)概述
    2.2 稀疏表示原理
    2.3 稀疏表示求解算法
    2.4 稀疏表示字典
        2.4.1 稀疏表示字典的發(fā)展歷程
        2.4.2 超完備稀疏表示學(xué)習(xí)字典
    2.5 局部平滑性先驗(yàn)方法
        2.5.1 雙邊濾波
        2.5.2 全變分方法
    2.6 非局部自相似性先驗(yàn)方法
    2.7 圖像質(zhì)量評(píng)價(jià)指標(biāo)
    2.8 本章小結(jié)
第三章 基于稀疏表示的非均勻性噪聲去除方法
    3.1 紅外成像原理
    3.2 紅外成像系統(tǒng)特點(diǎn)
    3.3 紅外圖像非均勻性概述
    3.4 非均勻性校正算法
        3.4.1 基于定標(biāo)的非均勻校正算法
        3.4.2 基于場(chǎng)景的非均勻校正算法
        3.4.3 基于數(shù)理統(tǒng)計(jì)的非均勻校正算法
    3.5 基于稀疏表示的非均勻性噪聲去除方法
    3.6 實(shí)驗(yàn)結(jié)果對(duì)比
        3.6.1 仿真實(shí)驗(yàn)
        3.6.2 真實(shí)紅外圖像實(shí)驗(yàn)
    3.7 本章小結(jié)
第四章 基于非局部導(dǎo)控核的全變分圖像去噪方法
    4.1 基于圖像結(jié)構(gòu)先驗(yàn)的去噪方法分析
    4.2 核回歸方法與導(dǎo)控核
    4.3 局部和非局部導(dǎo)控核加權(quán)的全變分模型
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 參數(shù)分析
        4.4.2 算法對(duì)比
第五章 工作總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3839172