紅外熱成像技術(shù)因其抗干擾能力強、可全天候成像等特點,在各個行業(yè)領(lǐng)域都有著廣泛的應(yīng)用。但是由于紅外信號受到探測器本身器件的干擾和在傳輸?shù)倪^程中受到外界因素的影響,導(dǎo)致紅外熱成像系統(tǒng)采集紅外圖像的過程中會引入各種噪聲,限制了紅外圖像的應(yīng)用。因此,對紅外圖像噪聲抑制方法進行研究具有十分重要的意義。為了解決傳統(tǒng)紅外圖像噪聲抑制方法在濾除紅外圖像噪聲的同時,也會損失紅外圖像細節(jié)信息的問題,論文在深入研究稀疏表示理論的基礎(chǔ)上,提出了兩種稀疏表示的紅外圖像噪聲抑制方法。針對傳統(tǒng)稀疏表示方法中過完備字典自適應(yīng)能力差的問題,提出了優(yōu)化的K-SVD字典的稀疏表示紅外圖像噪聲抑制方法。該方法首先對紅外圖像進行分塊處理,每一塊為一類,然后對每一類進行字典學(xué)習(xí)和稀疏分解。在字典學(xué)習(xí)階段,選取離散余弦變換過完備字典為初始字典,對紅外圖像塊進行多次奇異值分解學(xué)習(xí)得到新的字典矩陣。對每一塊樣本信號選取離散余弦變換字典為初始過完備字典,用正交匹配追蹤算法對圖像塊在該過完備字典上進行稀疏分解,以殘差變化率閾值為稀疏分解迭代終止條件。其次,對字典進行迭代更新學(xué)習(xí),得到圖像塊的字典矩陣和稀疏系數(shù)矩陣。最后,利用更新得到的字典...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.4原始帶噪聲紅外圖像

圖2.4原始帶噪聲紅外圖像以看到，紅外圖像幾乎被噪聲所淹沒，圖像的邊緣紅外噪聲抑制算法對紅外圖像噪聲的抑制作用，對

圖2.5傳統(tǒng)算法對紅外圖像噪聲抑制效果對比圖

(c)低通濾波(d)小波閾值圖2.5傳統(tǒng)算法對紅外圖像噪聲抑制效果對比圖

圖3.1基于稀疏表示的圖像噪聲抑制過程圖

圖3.1基于稀疏表示的圖像噪聲抑制過程圖外圖像不同于普通的可見光圖像和灰度圖像，由于其對比度低、視覺效果噪聲的影響，所以傳統(tǒng)的圖像噪聲抑制算法對其噪聲的抑制效果并不明顯

圖4.3K-SVD算法和優(yōu)化K-SVD算法的去噪效果圖

(a)原始含噪紅外圖像(b)K-SVD算法效果圖(c)優(yōu)化的K-SVD算法效果圖圖4.3K-SVD算法和優(yōu)化K-SVD算法的去噪效果圖由圖4.3中可看出，經(jīng)過優(yōu)化的K-SVD字典算法處理后的紅外圖像的整體圖像效果要優(yōu)于K-SVD字典算法，其圖像中的....

本文編號：3955939