基于剪切波的图像去噪研究

发布时间：2019-01-07 17:05

【摘要】：数字图像已成为人们获得信息和利用信息的重要手段。然而,数字图像在采集、传输、存储等过程中都会受到不同程度的噪声干扰,为了得到尽可能真实的图像,从而满足实际应用中对图像的视觉及图像质量的要求,对数字图像的去噪处理是很有必要的。图像去噪是当前数字图像处理研究的热点之一。图像中的高斯噪声为常见噪声中的一种,对于这种噪声,小波变换去噪为一种相对有效的去噪方法。本文深入地研究了小波变换理论,小波变换是一种良好的时频变换方法,是调和分析的结晶。但是近年来研究发现小波变换在二维图像中,对图像的表示存在着不足。针对于小波变换在二维图像中系数的稀疏性、图像方向细节性表示的不足。本文深入地研究了剪切波变换这种新型的图像表示方法,可通过拉普拉斯金字塔实现图像尺度的分解,通过伪极向格实现图像的细节捕捉。本文在研究了小波变换及剪切波变换的基础上做了以下工作:1.将一维信号中去噪的相关的阈值函数引用到了二维图像去噪中。本文研究了小波阂值图像去噪,通过几种阈值函数在VisuShrink阂值下做了仿真实验,实验对比中发现软阂值改进函数优于其它阈值函数。2.改进了剪切波变换下的硬阈值函数图像去噪。本文研究了剪切波分解尺度及方向数量对图像去噪效果的影响。通过小波阈值图像去噪,将小波中的阈值函数用到了剪切波变换下,发现效果不良,因此探索改进了阈值函数,在一定程度上优化了硬阈值函数。3.给出了一种未知噪声大小下剪切波变换改进阈值函数图像去噪。针对剪切波变换在已知噪声下去噪,本文在贝叶斯框架下将小波阈值用于图像噪声估计,将得到的噪声估计大小用到剪切波的硬阈值函数与改进阈值函数下的图像去噪。给出了一种在未知噪声下的剪切波改进阂值函数图像去噪方法,并从实验仿真效果上证明了其有效性。
[Abstract]:Digital image has become an important means for people to obtain and utilize information. However, in the process of acquisition, transmission and storage, digital image will be disturbed by noise to different degrees. In order to get the real image as much as possible, it can meet the requirements of image vision and image quality in practical application. The denoising of digital image is necessary. Image denoising is one of the hotspots in digital image processing. Gao Si noise in image is one of the common noises, for which wavelet transform denoising is a relatively effective denoising method. In this paper, the theory of wavelet transform is deeply studied. Wavelet transform is a good time-frequency transform method and is the crystallization of harmonic analysis. However, in recent years, wavelet transform has been found to be inadequate in the representation of two-dimensional images. In view of the sparsity of coefficients in two-dimensional images and the deficiency of directional detail representation of wavelet transform. In this paper, a new image representation method, shear wave transform, is studied, which can decompose the image scale by Laplacian pyramid and capture the details by pseudo polar lattice. Based on the study of wavelet transform and shear wave transform, the following works have been done: 1. The threshold function related to denoising in one dimensional signal is referenced to two dimensional image denoising. In this paper, the wavelet threshold image denoising is studied. The simulation experiments are done under the VisuShrink threshold by several threshold functions. The comparison of the experimental results shows that the improved soft threshold function is better than other threshold functions. 2. The hard threshold function image denoising under shear wave transform is improved. In this paper, the effect of the scale and direction of shear wave decomposition on image denoising is studied. Through wavelet threshold image denoising, the threshold function of wavelet is used in shear wave transform, and the effect is not good. Therefore, the threshold function is improved, and the hard threshold function is optimized to a certain extent. An improved threshold function image denoising based on shear wave transform with unknown noise is presented. In this paper, the wavelet threshold is applied to image noise estimation under Bayesian framework, and the noise estimation is applied to the hard threshold function of the shear wave and the image denoising under the improved threshold function. An improved threshold function image denoising method for shear wave under unknown noise is presented, and its effectiveness is proved by experimental simulation.
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 王勇智,黄红波;一种数学图像去噪的新方法[J];岳阳职业技术学院学报;2005年01期

2 杨淑伶;郭定辉;管克英;;一个用于图像去噪、量化的反应扩散模型[J];数学的实践与认识;2006年08期

3 王香菊;;图像去噪方法及应用[J];科技情报开发与经济;2007年27期

4 高岚;廖云良;袁中华;;尺度适应性二代小波的图像去噪方法[J];船海工程;2007年06期

5 杨文国;;基于扩散方程的图像去噪[J];科技风;2008年20期

6 于雯辉;田逢春;李立;唐光菊;;基于空域平均的图像去噪方法[J];光电子技术;2008年02期

7 王银峰;朱丽丽;何光宏;朱根琴;;一种基于尺度相关的小波图像去噪方法[J];激光杂志;2008年05期

8 姚斌;杨玲香;;基于非线性复扩散和小波的图像去噪方法[J];航空计算技术;2009年05期

9 李柯材;张曦煌;;基于邻域阈值萎缩法的图像去噪方法的优化[J];计算机应用;2010年01期

10 李燕民;季维勋;李维国;;一种新的图像去噪方法[J];微计算机应用;2010年03期

相关会议论文 前10条

1 刘旨春;朱伟;盛磊;;基于邻域特性的小波阈值图像去噪方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

2 陈仙红;屈小波;郭迪;宁本德;陈忠;;自适应方向小波在磁共振图像去噪中的应用[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

3 韩希珍;赵建;;基于偏微分方程的图像去噪[A];第八届全国信息获取与处理学术会议论文集[C];2010年

4 殷明;刘卫;;基于非高斯分布的四元数小波图像去噪[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

5 侯艳芹;李均利;魏平;陈刚;;一种新的基于模糊均差和小波阈值的医学图像去噪方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

6 刘曙光;费佩燕;屈萍鸽;;基于对偶树复小波的图像去噪技术研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

7 周利利;张晓明;;基于小波变换的图像去噪研究[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

8 王文;康锡章;王晓东;;基于小波域HMT的航空侦察图像去噪方法[A];'2003系统仿真技术及其应用学术交流会论文集[C];2003年

9 倪永婧;王成儒;;一种纹理图像去噪方法的研究[A];2006中国控制与决策学术年会论文集[C];2006年

10 邓超;;基于改进神经网络的CCD图像去噪方法研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

相关博士学位论文 前10条

1 张伟;具有扩散—波动调和特性的图像去噪方法[D];上海交通大学;2014年

2 刘孝艳;变分、PDE和非局部滤波在图像去噪中的应用研究[D];西安电子科技大学;2015年

3 罗亮;基于MCMC采样的非局部图像去噪方法研究[D];西安电子科技大学;2015年

4 廖帆;四方向全变分在图像去噪问题中的应用[D];东南大学;2015年

5 杨昊;图像去噪中几种优化算法的相关研究[D];电子科技大学;2016年

6 杨成佳;图像去噪及其效果评估若干问题研究[D];吉林大学;2016年

7 张峥嵘;基于变分模型的泊松图像去噪及去模糊研究[D];南京理工大学;2015年

8 刘红毅;结构保持的图像去噪方法研究[D];南京理工大学;2011年

9 侯迎坤;非局部变换域图像去噪与增强及其性能评价研究[D];南京理工大学;2012年

10 侯建华;基于小波及其统计特性的图像去噪方法研究[D];华中科技大学;2007年

相关硕士学位论文 前10条

1 陈龙;偏微分方程扩散模型在图像去噪中的应用[D];昆明理工大学;2015年

2 李孟娇;基于压缩感知的图像去噪理论研究[D];长安大学;2015年

3 杨巧;新的TV改进模型以及在SAR图像去噪中的应用[D];陕西师范大学;2015年

4 颜珂;高通量基因测序碱基识别中图像去噪的方法研究[D];哈尔滨工业大学;2015年

5 迟广元;两类图像去噪模型的若干数值新方法研究[D];华北电力大学;2015年

6 陈会娟;噪声的估计及基于快速NLM的去除[D];华侨大学;2015年

7 温海娇;图像去噪与恢复[D];南京航空航天大学;2014年

8 范旭;基于Contourlet变换的SAR图像去噪研究[D];西安电子科技大学;2015年

9 田刚;基于非局部均值的MRI图像去噪研究[D];西安电子科技大学;2014年

10 范婷;基于字典学习的图像去噪方法研究[D];西安电子科技大学;2014年

，

本文编号：2403908