本文關(guān)鍵詞：基于MCMC采樣的非局部圖像去噪方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像作為信息化時代的一種重要的信息載體,其對應(yīng)的圖像處理技術(shù)已廣泛地應(yīng)用于各個領(lǐng)域,如航空航天、軍事、治安監(jiān)控、醫(yī)療衛(wèi)生等。在這些應(yīng)用領(lǐng)域,一幅高質(zhì)量的圖像對相關(guān)問題的分析和后續(xù)處理起著至關(guān)重要的作用。但由于采集設(shè)備、通訊條件等因素的限制,圖像在采集、傳輸與存儲過程中無法避免受到各種噪聲信號的污染,導(dǎo)致圖像偏離了它的真實情況,大大降低了對圖像目標信息后續(xù)的解釋和編譯能力,如特征提取、目標識別和圖像分析。這使得在利用圖像之前有必要去除圖像中的噪聲。為克服非局部平均方法在選擇相似塊時間復(fù)雜度高的缺點,并且充分利用非局部相似塊之間的結(jié)構(gòu)特征信息,更好地保護圖像原有結(jié)構(gòu)信息,論文工作著重從兩個階段來改善現(xiàn)有的非局部平均算法,即相似塊的搜索和在此基礎(chǔ)上的非局部去噪方法。主要包括以下幾個方面的工作：1.提出一種非局部馬爾科夫蒙特卡羅采樣和低秩逼近的隨機去噪方法。該方法首先通過馬爾科夫蒙特卡羅隨機采樣尋找每個圖像塊的相似匹配塊組,然后對這些相似匹配塊組進行奇異值分解,用分解后的低秩結(jié)構(gòu)恢復(fù)原圖像,從而達到去噪的目的。實驗表明,所提方法計算復(fù)雜度低,和非局部平均方法相比,較好地保留了邊緣等細節(jié)信息；和BM3D方法相比,所提方法能保持較好的視覺質(zhì)量。2.為降低奇異值分解的低秩逼近方法的計算代價,減少對原數(shù)據(jù)的重構(gòu)誤差,提出一種基于雙邊下采樣傅里葉變換投影的低秩逼近圖像去噪算法。該算法改變高斯隨機下采樣投影,采用下采樣隨機傅里葉變換投影,達到對原數(shù)據(jù)更高的重構(gòu)精度。實驗結(jié)果表明,所提算法能有效地逼近奇異值分解的最小重構(gòu)誤差,降低計算復(fù)雜度。與NLM方法相比,在去除噪聲的同時較好地保留了原圖像的結(jié)構(gòu)信息；與單邊隨機投影低秩逼近方法相比,保證了較低的重構(gòu)誤差；和BM3D方法相比,所提方法能保持較好的視覺質(zhì)量。3.提出了一種自適應(yīng)隨機非局部去噪方法,在圖像的不同位置確定對應(yīng)的非局部相似塊的最佳尺寸,從而提升去噪圖像的質(zhì)量。新方法分為兩個階段實現(xiàn)：基于自適應(yīng)窗的相似塊搜索,和在此基礎(chǔ)上的雙向非局部去噪算法。在第一階段,對噪聲圖像每個像素點鄰域通過多次馬爾科夫蒙特卡羅隨機采樣尋找到多個相似匹配塊組；利用不同匹配塊組估計的一致性給出相似塊尺寸調(diào)整的判據(jù)；調(diào)整相似塊尺寸并重復(fù)上述過程得到該像素點鄰域的最佳相似塊尺寸和對應(yīng)的最優(yōu)相似塊組。在第二階段,為充分利用選定的相似塊組的雙向相似結(jié)構(gòu),同時為減少計算代價,提出修正的雙向非局部算法,得到對應(yīng)的無噪相似塊組的估計；進一步利用疊加的方法得到去噪圖像。理論分析和仿真實驗結(jié)果表明：相比于固定尺寸窗的去噪算法,如BM3D和NLM方法等,本文算法具有較低的時間復(fù)雜度,去噪后圖像具有更高的圖像質(zhì)量和理想的視覺效果。4.提出一種分而治之的隨機圖像去噪方法。所提方法采用分而治之的策略提取圖像中的方向信息,進行有方向的采樣。首先使用小波變換將觀測圖像分成不同子帶圖像提取不同方向的方向結(jié)構(gòu)信息；其次對各子帶圖像采用不同的橢圓高斯采樣獲得不同子帶相似塊,此方法降低高斯分布下的高采樣拒絕率。在第二階段對已選定的相似塊進行處理,為避免使用稀疏編碼所帶來的高計算復(fù)雜度,采用修正的兩方向非局部方法對相似塊進行處理。這種兩方向非局部方法從計算復(fù)雜度到最終的去噪結(jié)果都優(yōu)于稀疏表示方法和奇異值分解方法。
【關(guān)鍵詞】：圖像去噪 非局部方法 低秩逼近 隨機投影 馬爾科夫蒙特卡羅方法 雙向非局部方法
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 符號對照表12-13
• 縮略語對照表13-16
• 第一章 緒論16-38
• 1.1 圖像去噪的研究背景與意義16
• 1.2 圖像去噪的研究現(xiàn)狀及存在問題16-21
• 1.2.1 國內(nèi)外研究現(xiàn)狀分析16-20
• 1.2.2 存在的問題20-21
• 1.3 論文的主要研究思路和研究方法21-22
• 1.4 圖像去噪的非局部方法與MCMC方法22-33
• 1.4.1 圖像去噪的非局部方法22-29
• 1.4.2 馬爾科夫蒙特卡羅(MCMC)方法29-33
• 1.5 圖像質(zhì)量評價標準33-35
• 1.6 本文內(nèi)容編排35-38
• 第二章 基于馬爾科夫蒙特卡羅采樣的非局部低秩逼近的圖像去噪算法38-48
• 2.1 引言38
• 2.2 馬爾科夫蒙特卡羅理論的相似塊選擇38-41
• 2.3 去噪方法與算法分析41-42
• 2.3.1 去噪方法41-42
• 2.3.2 算法分析42
• 2.4 實驗結(jié)果42-46
• 2.5 本章小結(jié)46-48
• 第三章 基于非局部雙邊隨機投影低秩逼近圖像去噪算法48-62
• 3.1 引言48
• 3.2 相似圖像塊組低秩逼近方法48-52
• 3.2.1 奇異值分解的低秩逼近方法48-49
• 3.2.2 高斯隨機投影的低秩逼近方法49
• 3.2.3 下采樣隨機傅里葉變換投影低秩逼近方法49-50
• 3.2.4 高斯隨機投影與下采樣隨機傅里葉變換投影重構(gòu)誤差分析50-51
• 3.2.5 基于雙邊隨機投影的低秩逼近方法51-52
• 3.3 圖像去噪算法與算法分析52-54
• 3.3.1 基于雙邊隨機投影低秩逼近的圖像去噪算法52-53
• 3.3.2 算法分析53-54
• 3.4 實驗結(jié)果54-61
• 3.4.1 自然圖像去噪54-57
• 3.4.2 視頻前景背景分離57-60
• 3.4.3 人臉遮擋陰影去除60-61
• 3.5 本章小結(jié)61-62
• 第四章 基于自適應(yīng)可變窗的隨機圖像去噪算法62-82
• 4.1 引言62-64
• 4.2 基于MCMC采樣的自適應(yīng)窗相似塊搜索方法64-67
• 4.2.1 自適應(yīng)窗的相似塊搜索算法64-65
• 4.2.2 自適應(yīng)窗的相似塊搜索算法分析65-67
• 4.3 雙向非局部模型67-68
• 4.4 基于MCMC采樣的自適應(yīng)可變尺寸窗的雙向非局部去噪算法68-70
• 4.4.1 基于MCMC采樣的自適應(yīng)去噪算法68-69
• 4.4.2 算法分析69-70
• 4.5 實驗結(jié)果70-81
• 4.6 本章小結(jié)81-82
• 第五章 分而治之可變方向的非局部圖像去噪方法82-94
• 5.1 引言82
• 5.2 基于可變方向的MCMC采樣相似塊搜索方法82-86
• 5.3 去噪方法與算法分析86-87
• 5.3.1 算法86-87
• 5.3.2 算法分析87
• 5.4 實驗87-93
• 5.4.1 分解尺度對算法的魯棒性分析88
• 5.4.2 小波對算法的魯棒性分析88-89
• 5.4.3 算法性能實驗分析89-93
• 5.6 本章小結(jié)93-94
• 第六章 結(jié)論和展望94-98
• 6.1 研究結(jié)論94-95
• 6.2 研究展望95-98
• 參考文獻98-104
• 致謝104-106
• 作者簡介106

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王勇智,黃紅波;一種數(shù)學(xué)圖像去噪的新方法[J];岳陽職業(yè)技術(shù)學(xué)院學(xué)報;2005年01期

2 楊淑伶;郭定輝;管克英;;一個用于圖像去噪、量化的反應(yīng)擴散模型[J];數(shù)學(xué)的實踐與認識;2006年08期

3 王香菊;;圖像去噪方法及應(yīng)用[J];科技情報開發(fā)與經(jīng)濟;2007年27期

4 高嵐;廖云良;袁中華;;尺度適應(yīng)性二代小波的圖像去噪方法[J];船海工程;2007年06期

5 楊文國;;基于擴散方程的圖像去噪[J];科技風;2008年20期

6 于雯輝;田逢春;李立;唐光菊;;基于空域平均的圖像去噪方法[J];光電子技術(shù);2008年02期

7 王銀峰;朱麗麗;何光宏;朱根琴;;一種基于尺度相關(guān)的小波圖像去噪方法[J];激光雜志;2008年05期

8 姚斌;楊玲香;;基于非線性復(fù)擴散和小波的圖像去噪方法[J];航空計算技術(shù);2009年05期

9 李柯材;張曦煌;;基于鄰域閾值萎縮法的圖像去噪方法的優(yōu)化[J];計算機應(yīng)用;2010年01期

10 李燕民;季維勛;李維國;;一種新的圖像去噪方法[J];微計算機應(yīng)用;2010年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 劉旨春;朱偉;盛磊;;基于鄰域特性的小波閾值圖像去噪方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

2 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應(yīng)方向小波在磁共振圖像去噪中的應(yīng)用[A];第十七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

3 韓希珍;趙建;;基于偏微分方程的圖像去噪[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

4 殷明;劉衛(wèi);;基于非高斯分布的四元數(shù)小波圖像去噪[A];全國第22屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會議論文摘要集[C];2011年

5 侯艷芹;李均利;魏平;陳剛;;一種新的基于模糊均差和小波閾值的醫(yī)學(xué)圖像去噪方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

6 劉曙光;費佩燕;屈萍鴿;;基于對偶樹復(fù)小波的圖像去噪技術(shù)研究[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

7 周利利;張曉明;;基于小波變換的圖像去噪研究[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎?wù)撐募痆C];2009年

8 王文;康錫章;王曉東;;基于小波域HMT的航空偵察圖像去噪方法[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2003年

9 倪永婧;王成儒;;一種紋理圖像去噪方法的研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 鄧超;;基于改進神經(jīng)網(wǎng)絡(luò)的CCD圖像去噪方法研究[A];武漢(南方九省)電工理論學(xué)會第22屆學(xué)術(shù)年會、河南省電工技術(shù)學(xué)會年會論文集[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張偉;具有擴散—波動調(diào)和特性的圖像去噪方法[D];上海交通大學(xué);2014年

2 劉孝艷;變分、PDE和非局部濾波在圖像去噪中的應(yīng)用研究[D];西安電子科技大學(xué);2015年

3 羅亮;基于MCMC采樣的非局部圖像去噪方法研究[D];西安電子科技大學(xué);2015年

4 劉紅毅;結(jié)構(gòu)保持的圖像去噪方法研究[D];南京理工大學(xué);2011年

5 侯迎坤;非局部變換域圖像去噪與增強及其性能評價研究[D];南京理工大學(xué);2012年

6 侯建華;基于小波及其統(tǒng)計特性的圖像去噪方法研究[D];華中科技大學(xué);2007年

7 龐志峰;圖像去噪問題中的幾類非光滑數(shù)值方法[D];湖南大學(xué);2010年

8 褚標;小波理論在圖像去噪與紋理分析中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2008年

9 張建平;基于偏微分方程的圖像去噪和分割方法[D];大連理工大學(xué);2012年

10 辛巧;偏微分方程及其在圖像去噪和分割中的應(yīng)用[D];重慶大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳龍;偏微分方程擴散模型在圖像去噪中的應(yīng)用[D];昆明理工大學(xué);2015年

2 李孟嬌;基于壓縮感知的圖像去噪理論研究[D];長安大學(xué);2015年

3 楊巧;新的TV改進模型以及在SAR圖像去噪中的應(yīng)用[D];陜西師范大學(xué);2015年

4 顏珂;高通量基因測序堿基識別中圖像去噪的方法研究[D];哈爾濱工業(yè)大學(xué);2015年

5 遲廣元;兩類圖像去噪模型的若干數(shù)值新方法研究[D];華北電力大學(xué);2015年

6 陳會娟;噪聲的估計及基于快速NLM的去除[D];華僑大學(xué);2015年

7 溫海嬌;圖像去噪與恢復(fù)[D];南京航空航天大學(xué);2014年

8 范旭;基于Contourlet變換的SAR圖像去噪研究[D];西安電子科技大學(xué);2015年

9 田剛;基于非局部均值的MRI圖像去噪研究[D];西安電子科技大學(xué);2014年

10 范婷;基于字典學(xué)習(xí)的圖像去噪方法研究[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：基于MCMC采樣的非局部圖像去噪方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：471046