隨著圖像技術(shù)的廣泛使用,圖像去噪技術(shù)也已經(jīng)滲透到人類生活的方方面面。未來AI會(huì)更加普及,鏡頭逐漸深入到日常生活中,對(duì)圖像清晰度的需求也越來越高,所以圖像去噪具有一定的研究?jī)r(jià)值和廣泛的前景。在研究去噪過程中,如何做到既能有效的去噪又能保護(hù)邊緣細(xì)節(jié),且耗時(shí)少,已然成為亟待解決的困難。因此本文提出了兩種去噪算法,一種是Shearlet變換與熱門的壓縮感知相結(jié)合去噪算法,不僅具有相當(dāng)好去噪性能,而且有較高的客觀評(píng)價(jià)數(shù)值;另一種方法利用深度學(xué)習(xí)概念,訓(xùn)練模型能夠去除一定范圍噪聲圖像,去噪性能優(yōu)異,降低訓(xùn)練成本,較好的解決了上述問題。本文首先介紹了已有的典型的圖像去噪算法,然后對(duì)其進(jìn)行分析,提出本文去噪算法,最后完成實(shí)驗(yàn)仿真且給出各主客觀評(píng)價(jià)以及細(xì)節(jié)對(duì)比。具體安排如下:1、本文對(duì)前人成果進(jìn)行研究分析,考慮到在實(shí)現(xiàn)圖像去噪過程中出現(xiàn)的偽吉布斯振蕩和模糊情況,本文利用圖像的稀疏表示理論提出一種新的Shearlet域圖像去噪算法。根據(jù)Shearlet變換特有的優(yōu)勢(shì),建立稀疏去噪模型,然后利用稀疏編碼求解,并用Monte_Carlo實(shí)現(xiàn)系數(shù)選擇,因而獲得干凈的系數(shù),最后重構(gòu)獲得理想圖像...

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．２高斯正態(tài)分布圖??

因此圖像去噪變得至關(guān)重要，為進(jìn)一步做其他圖像處理和應(yīng)用做足充分準(zhǔn)備，??提供有利條件。隨著技術(shù)的發(fā)展，在采集和傳輸圖像的過程中噪聲就不期而遇了，例如??ＣＣＤ等設(shè)備的干擾或者不完善都會(huì)使得圖像受到污染而退化，如圖２．１所示，圖像去噪??和退化是兩個(gè)相反的過程。因噪聲往往被描述成隨....

圖２．４中值濾波結(jié)果??（２）均值濾波??均值濾波同中值濾波一樣，都需要一個(gè)二維模板，不同的是均值濾波要求得模板內(nèi)??

擇窗口形狀（有圓形、方形和線性），例如，棱角分明的圖像一般選擇十字形窗口。中??值濾波能去除由脈沖產(chǎn)生的噪聲，有著較好的抑制效果，也能做到邊緣保護(hù)。但是對(duì)高??斯噪聲和細(xì)節(jié)豐富圖像無法做到有效的去噪。如圖２．４所示，選擇不同的窗口影響去噪??結(jié)果。??ＭＭ??（ａ）原圖?（ｂ）加....

圖２．５均值濾波結(jié)果??（３）維納濾波??維納濾波以最小均方誤差準(zhǔn)則進(jìn)行濾波去噪，具有線性和時(shí)不變的特性［２３］

?（２—丨２）??其中，ｒ（〇＿）表示濾波后圖像，ｘ（／，ｙ）表示原始圖像，＼表示中心點(diǎn)在（／，＿／）處，??大小為ＭｘｉＶ的濾波窗口。去噪效果如圖２．５所示：??ＵＵ??（ａ）原圖?（ｂ）高斯噪聲圖??—??（ｃ）?３＊３?的窗口?（ｄ）?５＊５?的窗口??圖２．５均值濾波結(jié)果....

圖２．６維納濾波結(jié)果??

保存更高層次的圖像細(xì)節(jié)和邊緣，進(jìn)行二次去噪，兩次去噪后得到的圖像更加理想。在??使用深度學(xué)習(xí)去噪出現(xiàn)之前，ＢＭ３Ｄ不僅有突出的ＰＳＮＲ和ＳＳＩＭ，而且視覺效果較好，??但是由于時(shí)兩種思想的結(jié)合所以有著相對(duì)較高的時(shí)間復(fù)雜度。圖２．７給出了?ＢＭ３Ｄ的具??體去噪流程。??步驟一?步....

本文編號(hào)：3933813