圖像是人類獲得信息的重要途徑,在當今信息化的社會中,圖像出現(xiàn)在我們生活、工作中的各個方面。然而,在圖像的獲取和傳播過程中,總是不可避免的混入噪聲,產(chǎn)生失真、模糊,降低圖像的質(zhì)量。因此,圖像復原技術(shù)的研究是非常重要的。尤其是近年來,深度學習成為熱點研究,圖像復原作為圖像預處理對后續(xù)的工作有很大的影響。雖然現(xiàn)在有很多去噪算法在低噪聲水平已經(jīng)取得了非常好的效果,但是在高噪聲水平上的去噪效果往往較差,本文提出了一種基于非冗余重組的圖像復原方法。通過下采樣的方式,將高噪聲水平的圖像轉(zhuǎn)化為四幅低噪聲水平的子圖像,再對每一幅子圖像進行去噪處理。然后,將幾幅子圖像重組為與初始圖像大小相同的圖像,并對重組后的圖像進行去模糊,得到清晰的圖像。該算法降低了原始圖像的噪聲水平,避免了在高噪水平下去噪,從而提高了高噪聲水平下的去噪效果。從實驗數(shù)據(jù)可以看出,該算法在主觀視覺和實驗結(jié)果上均得到了不錯的效果。本文主要分為六個部分,第一部分介紹了圖像復原的背景及研究現(xiàn)狀;第二部分介紹了圖像去噪的理論基礎以及幾種經(jīng)典的圖像去噪算法;第三部分介紹了圖像去模糊的基礎理論以及經(jīng)典的圖像去模糊算法;第四部分介紹了奇異值分解及BM...

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 圖像去噪的研究現(xiàn)狀
    1.3 圖像去模糊的研究現(xiàn)狀
    1.4 論文的主要內(nèi)容及內(nèi)容安排
第2章 圖像去噪的基本理論
    2.1 噪聲分類
    2.2 噪聲模型
    2.3 經(jīng)典的圖像去噪算法
        2.3.1 均值濾波
        2.3.2 非局部均值濾波
        2.3.3 離散余弦變換去噪
        2.3.4 小波閾值去噪
    2.4 圖像質(zhì)量評價標準
    2.5 本章小結(jié)
第3章 圖像去模糊的基本理論
    3.1 圖像退化模型
    3.2 模糊類型
    3.3 經(jīng)典的去模糊算法
        3.3.1 逆濾波
        3.3.2 維納濾波
        3.3.3 Lucy-Richardson算法
        3.3.4 全變差正則化
    3.4 本章小結(jié)
第4章 BM3D去噪算法
    4.1 奇異值分解(SVD)
        4.1.1 Householder變換
        4.1.2 Golub-Kahan算法
    4.2 BM3D去噪算法
    4.3 本章小結(jié)
第5章 基于非冗余重組的圖像復原方方法
    5.1 基于非冗余重組的圖像復原方法
    5.2 實驗結(jié)果
    5.3 本章小結(jié)
第6章 總結(jié)
參考文獻
致謝



本文編號：3815982