本文關(guān)鍵詞：偏微分方程擴(kuò)散模型在圖像去噪中的應(yīng)用

  更多相關(guān)文章： 圖像去噪 偏微分方程 自蛇模型 非線性結(jié)構(gòu)張量 擴(kuò)散張量

【摘要】：隨著數(shù)字技術(shù)的不斷發(fā)展和進(jìn)步,數(shù)字圖像處理技術(shù)廣泛運(yùn)用于生物特征識(shí)別、交通管理以及工業(yè)、軍事等領(lǐng)域。由于圖像在獲取、處理、壓縮、傳輸和解壓過(guò)程中不可避免地受到各種因素的干擾,使圖像受到噪聲的污染,最終導(dǎo)致圖像質(zhì)量下降。因此,圖像去噪的研究具有實(shí)際的意義,隨著國(guó)際社會(huì)對(duì)偏微分方程處理圖像的普遍關(guān)注,同時(shí)得益于偏微分方程完善的數(shù)學(xué)理論,涌現(xiàn)出大量的基于偏微分方程的圖像處理模型。本文首先對(duì)幾種經(jīng)典的圖像去噪的偏微分方程模型進(jìn)行了研究,然后針對(duì)P-M非線性擴(kuò)散模型以及自蛇模型在去噪過(guò)程的不足,提出了一種基于自蛇模型與P-M擴(kuò)散模型相結(jié)合的去噪方法,對(duì)兩個(gè)模型使用了不同的擴(kuò)散函數(shù),并在模型中加入了忠誠(chéng)項(xiàng)以平衡噪點(diǎn)消除與邊緣、紋理等細(xì)節(jié)特征的保留。其次,本文分析了線性結(jié)構(gòu)張量與非線性結(jié)構(gòu)張量在刻畫(huà)圖像局部特征的優(yōu)劣,同時(shí)鑒于傳統(tǒng)結(jié)構(gòu)張量是以圖像梯度的張量積來(lái)構(gòu)建,這往往存在對(duì)圖像中某些特殊的局部結(jié)構(gòu)不能有效定位的缺陷,于是引入了Hessian矩陣作為結(jié)構(gòu)張量協(xié)同非線性結(jié)構(gòu)張量共同構(gòu)造擴(kuò)散張量,在構(gòu)建擴(kuò)散系數(shù)時(shí)考慮了邊緣增強(qiáng)以及相干增強(qiáng)。最后仿真試驗(yàn)結(jié)果表明,本文所提的方法有效去除圖像噪聲的同時(shí),處理后的圖像沒(méi)有發(fā)生形變,且圖像的邊緣、紋理等細(xì)節(jié)特征也保留較好,圖像的整體視覺(jué)效果得到了提升。
【關(guān)鍵詞】：圖像去噪 偏微分方程 自蛇模型 非線性結(jié)構(gòu)張量 擴(kuò)散張量
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;O175.2
【目錄】：

• 摘要6-7
• ABSTRACT7-10
• 第一章 緒論10-14
• 1.1 圖像處理的應(yīng)用10
• 1.2 選題的背景及意義10-11
• 1.3 課題的國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.4 論文主要工作及結(jié)構(gòu)13-14
• 第二章 圖像處理相關(guān)知識(shí)14-22
• 2.1 圖像基礎(chǔ)知識(shí)14-15
• 2.1.1 圖像分類14-15
• 2.2 噪聲的分類及其數(shù)學(xué)模型15-17
• 2.3 圖像修復(fù)質(zhì)量評(píng)估17-19
• 2.3.1 主觀評(píng)價(jià)方法17
• 2.3.2 客觀評(píng)價(jià)方法17-19
• 2.4 偏微分方程的離散化19-20
• 2.5 偏微分方程的數(shù)值計(jì)算方案20-22
• 第三章 基于偏微分方程的圖像去噪經(jīng)典模型22-28
• 3.1 圖像去噪的擴(kuò)散模型22-28
• 3.1.1 各向同性擴(kuò)散——熱傳導(dǎo)方程22-23
• 3.1.2 Perona-Malik模型23-24
• 3.1.3 TV擴(kuò)散模型24-25
• 3.1.4 Weickert非線性張量擴(kuò)散25-28
• 第四章 一種結(jié)合自蛇模型與P-M模型的去噪方法28-36
• 4.1 自蛇模型分析28
• 4.2 混合去噪模型28-29
• 4.3 模型分析29-30
• 4.4 模型的離散化30
• 4.5 實(shí)驗(yàn)結(jié)果與分析30-34
• 4.6 本章小結(jié)34-36
• 第五章 非線性結(jié)構(gòu)張量在圖像去噪中的應(yīng)用36-48
• 5.1 結(jié)構(gòu)張量的性質(zhì)36-40
• 5.1.1 線性結(jié)構(gòu)張量36-38
• 5.1.2 非線性結(jié)構(gòu)張量38-40
• 5.2 基于非線性結(jié)構(gòu)張量與Hessian矩陣的去噪方法40-42
• 5.2.1 以Hessian矩陣構(gòu)造擴(kuò)散張量40-41
• 5.2.2 結(jié)合非線性結(jié)構(gòu)張量與Hessian矩陣的去噪方法41-42
• 5.3 數(shù)值實(shí)驗(yàn)42-47
• 5.4 本章小結(jié)47-48
• 結(jié)語(yǔ)48-50
• 致謝50-52
• 參考文獻(xiàn)52-56
• 附錄A 攻讀碩士期間發(fā)表論文情況56

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 邵桂芳,李祖樞,成衛(wèi),劉恒;基于視覺(jué)感知的融合圖像質(zhì)量評(píng)價(jià)[J];計(jì)算機(jī)應(yīng)用;2004年05期

2 章毓晉;;中國(guó)圖像工程:2013[J];中國(guó)圖象圖形學(xué)報(bào);2014年05期

，

本文編號(hào)：582430