發(fā)布時間：2017-09-26 21:08

  本文關鍵詞：四方向全變分在圖像去噪問題中的應用

  更多相關文章： 圖像去噪 全變分 四方向全變分 梯度投影算法 快速梯度投影算法 四方向權重全變分 稀疏表示 分裂Bregman算法 四方向權重全變分稀疏

【摘要】：人類獲取的信息中有很大一部分來自于圖像,但圖像在采集和傳輸?shù)倪^程中卻不可避免地會受到噪聲的污染。噪聲的存在不僅嚴重降低了圖像在視覺上的質(zhì)量,而且還會直接影響到圖像的后續(xù)處理效果。因此,圖像去噪在圖像處理研究領域中一直是最為基本、最為重要的研究內(nèi)容之一。在圖像去噪領域,全變分模型作為應用最為廣泛的圖像去噪模型之一,引起了國內(nèi)外學者的廣泛關注。本文在對傳統(tǒng)的全變分圖像去噪模型做了較為系統(tǒng)的研究和分析后,針對現(xiàn)有模型中存在的問題進行了改進和完善,并提出了新的圖像去噪算法。本文的研究工作和創(chuàng)新點主要體現(xiàn)在以下幾個方面：(1)基于四方向全變分模型的圖像去噪問題由于傳統(tǒng)的全變分圖像去噪模型僅在垂直和水平方向上進行變分,因此空間域中的信息未能被充分利用。基于此,本文提出了一種使用雙倍空間域信息的四方向全變分圖像去噪模型。與傳統(tǒng)的全變分圖像去噪模型相比,四方向全變分圖像去噪模型在每一次迭代的過程中使用了垂直、水平以及兩個相互垂直的對角線方向的信息,可以進一步優(yōu)化去噪效果。同時,將梯度投影和快速梯度投影算法分別應用到四方向全變分圖像去噪模型當中。實驗結果表明：基于四方向全變分圖像去噪模型的梯度投影和快速梯度投影算法在絕大多數(shù)情況下都比基于全變分圖像去噪模型的梯度投影算法和快速梯度投影算法具有更好的圖像去噪能力。(2)基于四方向權重全變分模型的圖像去噪問題由于自然界中絕大部分圖像在不同的方向上有著完全不同的信息,而全變分和四方向全變分圖像去噪模型在不同方向上卻有著完全相同的權重參數(shù),這對于圖像去噪顯然是十分不利的。針對這個缺點,本文在全變分和四方向全變分圖像去噪模型的基礎上分別提出了權重全變分和四方向權重全變分圖像去噪模型,并將梯度投影算法和快速梯度投影算法分別應用到新的模型當中。新的模型對不同的圖像可以在不同的方向上選擇不同的權重參數(shù),這無疑可以增強圖像去噪能力。實驗結果表明：基于四方向權重全變分圖像去噪模型的梯度投影算法和快速梯度投影算法比基于權重全變分和四方向全變分圖像去噪模型的梯度投影算法和快速梯度投影算法在圖像去噪上有著更好的表現(xiàn)。(3)基于四方向權重全變分稀疏模型的圖像去噪問題由于自然界的圖像都有著自身特有的結構特點,而與結構特點有關的信息需要通過稀疏性來表達。本文首先使用離散余弦變換對圖像進行稀疏表示,然后將得到的稀疏項引入權重全變分和四方向權重全變分圖像去噪模型之中,從而得到權重全變分稀疏和四方向權重全變分稀疏圖像去噪模型。雖然稀疏項的使用可以有效恢復圖像自身的局部結構信息,但同時也會造成變量不可分離的問題。新的模型中需要使用分裂Bregman算法將上述問題分解成兩個比較簡單的子問題,再使用梯度投影算法進行求解。實驗結果表明：基于四方向權重全變分稀疏圖像去噪模型的梯度投影算法比基于四方向權重全變分和權重全變分稀疏圖像去噪模型的梯度投影算法具有更好的去噪效果。值得指出的是,本文提出的所有算法都是足夠穩(wěn)定的；基于權重全變分、四方向全變分和四方向權重全變分圖像去噪模型的快速梯度投影算法的收斂的速度均從O(1/k)提高到了O(1/k2)。
【關鍵詞】：圖像去噪 全變分 四方向全變分 梯度投影算法 快速梯度投影算法 四方向權重全變分 稀疏表示 分裂Bregman算法 四方向權重全變分稀疏
【學位授予單位】：東南大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要7-8
• ABSTRACT8-10
• 第一章 緒論10-24
• 1.1 研究背景與意義10
• 1.2 圖像中噪聲的產(chǎn)生和分類10-15
• 1.2.1 圖像噪聲10
• 1.2.2 圖像噪聲的分類10-11
• 1.2.3 圖像噪聲的模型11-15
• 1.3 圖像去噪算法介紹15-18
• 1.3.1 基于均值濾波圖像去噪15
• 1.3.2 基于維納濾波圖像去噪15-16
• 1.3.3 基于中值濾波圖像去噪16
• 1.3.4 基于小波圖像去噪16-17
• 1.3.5 基于偏微分方程圖像去噪17-18
• 1.3.6 基于全變分圖像去噪18
• 1.4 圖像質(zhì)量評價體系18-22
• 1.4.1 圖像質(zhì)量的主觀評價標準18-19
• 1.4.2 圖像質(zhì)量的客觀評價標準19-22
• 1.5 本文結構與創(chuàng)新22-24
• 第二章 全變分模型在圖像去噪中的應用24-28
• 2.1 概述24
• 2.2 全變分圖像去噪模型24-25
• 2.3 相關數(shù)學預備知識25-26
• 2.3.1 內(nèi)積空間25
• 2.3.2 范數(shù)25-26
• 2.4 本章小結26-28
• 第三章 基于四方向全變分模型的圖像去噪算法28-50
• 3.1 概述28
• 3.2 約束性全變分圖像去噪模型28-29
• 3.3 GP-TV算法和FGP-TV算法29-35
• 3.3.1 GP-TV算法29-33
• 3.3.2 FGP-TV算法33-35
• 3.4 基于4-TV圖像去噪模型的圖像去噪算法35-43
• 3.4.1 4-TV圖像去噪模型35-37
• 3.4.2 GP-4-TV算法37-41
• 3.4.3 FGP-4-TV算法41-43
• 3.5 實驗結果與分析43-49
• 3.6 本章小結49-50
• 第四章 基于四方向權重全變分模型的圖像去噪算法50-74
• 4.1 概述50
• 4.2 基于約束性WTV圖像去噪模型的圖像去噪算法50-57
• 4.2.1 WTV圖像去噪模型50-51
• 4.2.2 GP-WTV算法51-55
• 4.2.3 FGP-WTV算法55-57
• 4.3 基于約束性4-WTV圖像去噪模型的圖像去噪算法57-63
• 4.3.1 4-WTV圖像去噪模型57
• 4.3.2 GP-4-WTV算法57-63
• 4.4 實驗結果與分析63-71
• 4.5 本章小結71-74
• 第五章 基于四方向權重全變分稀疏模型的圖像去噪算法74-106
• 5.1 概述74
• 5.2 圖像的稀疏表示74-76
• 5.2.1 信號的稀疏表示74-75
• 5.2.2 圖像的稀疏表示75-76
• 5.3 離散余弦變換76-79
• 5.3.1 離散余弦變換在圖像稀疏表示中的應用76-77
• 5.3.2 一維離散余弦變換77
• 5.3.3 二維離散余弦變換77-78
• 5.3.4 圖像在2D-DCT變換下的能量分布78-79
• 5.4 圖像的稀疏表示在神經(jīng)生理學上的意義79-81
• 5.5 分裂Bregman算法81-85
• 5.5.1 Bregman距離81-82
• 5.5.2 Bregman迭代算法82
• 5.5.3 分裂Bregman迭代算法82-85
• 5.6 基于約束性WTV-S和4-WTV-S圖像去噪模型的圖像去噪算法85-95
• 5.6.1 TV-S、WTV-S、4-TV-S和4-WTV-S圖像去噪模型85-86
• 5.6.2 GP-WTV-S算法86-91
• 5.6.3 GP-4-WTV-S算法91-95
• 5.7 實驗結果與分析95-104
• 5.8 本章小結104-106
• 第六章 總結與展望106-108
• 6.1 本文工作總結106-107
• 6.2 未來工作展望107-108
• 參考文獻108-120
• 致謝120-122
• 攻讀博士學位期間撰寫的學術論文122

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李強;謝志宏;;組合層內(nèi)和層間小波系數(shù)的圖像去噪方法[J];裝甲兵工程學院學報;2008年05期

2 金志泉;葛洪偉;;一種非參數(shù)回歸圖像去噪方法[J];淮陰工學院學報;2008年05期

3 朱勇;;基于層內(nèi)和層間相關性的小波圖像去噪[J];農(nóng)業(yè)網(wǎng)絡信息;2008年05期

4 曹春紅;高協(xié)平;;區(qū)間最小能量小波框架的圖像去噪研究[J];計算機工程與應用;2009年14期

5 ;圖像去噪新技術讓數(shù)碼照片更清晰[J];廣西科學;2009年02期

6 張潔;楊文國;;一種基于梯度保真項的圖像去噪法[J];計算機應用與軟件;2009年11期

7 吳玲;;基于數(shù)字圖像去噪的方法分析[J];科技信息;2010年06期

8 賈輝;林義剛;李娜;李宏;;獨立分量分析在圖像去噪中的應用[J];長江大學學報(自然科學版)理工卷;2010年02期

9 馮象初;郝彬彬;朱見廣;;圖像去噪的改進迭代非局部平均濾波方法[J];西安電子科技大學學報;2010年04期

10 劉權;林娜;呂倩;;基于加權自適應方向提升小波的圖像去噪研究[J];電子技術;2010年12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術會議論文集Ⅱ[C];2011年

2 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應方向小波在磁共振圖像去噪中的應用[A];第十七屆全國波譜學學術會議論文摘要集[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術會議論文集[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屆計算機技術與應用學術會議(CACIS·2011)暨全國第3屆安全關鍵技術與應用（SCA·2011）學術會議論文摘要集[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)學圖像去噪方法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

6 劉曙光;費佩燕;屈萍鴿;;基于對偶樹復小波的圖像去噪技術研究[A];2009中國儀器儀表與測控技術大會論文集[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論文集[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)仿真技術及其應用學術交流會論文集[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中國控制與決策學術年會論文集[C];2006年

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

，

本文編號：925721