基于低秩与深度学习的图像去噪算法研究

发布时间：2021-01-29 07:02

　　作为信息存储与传递的重要载体,图像同样也是人类感知和识别信息的重要方式。但是,由于各种因素,图像经常被噪声所污染。为了尽可能地恢复图像的真实信息,学者们先后提出传统去噪算法、非局部去噪算法以及深度学习去噪算法。尽管许多去噪方法被应用,但对该问题的研究仍有待深入。本文主要围绕基于低秩的非局部图像去噪算法与基于深度学习的图像去噪算法展开,对非局部去噪算法在小数据量以及深度学习去噪算法在样本丰富的大数据图像去噪任务中的应用进行研究,本文的主要工作与创新如下:（1）对经典的图像去噪算法进行研究,主要包括传统的基于空间域和变换域的算法,基于非局部模型的NLM、BM3D、NCSR算法,以及基于深度学习的CSF、TNRD算法。结合去噪算法的客观评价指标PSNR以及图像质量的主观评价方法,通过实验进行去噪算法性能评估。（2）基于低秩理论,对低秩矩阵近似的WNNM（Weighted Nuclear Norm Minimization）算法进行研究,并提出如下改进。a)针对相似块聚合过程中使用欧氏距离度量图像块相似性未考虑到图像块结构信息的问题,引入基于小波预滤波与结构相似度上的图像结构信息,提出新的块间... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题来源
    1.2 课题研究背景及意义
    1.3 国内外研究现状
        1.3.1 图像去噪方法
        1.3.2 图像质量评价方法
    1.4 论文主要内容及组织结构
第2章 经典的图像去噪算法研究
    2.1 传统图像去噪算法
        2.1.1 基于空间域的图像去噪
        2.1.2 基于变换域的图像去噪
    2.2 经典的非局部图像去噪算法
        2.2.1 NLM去噪算法
        2.2.2 BM3D去噪算法
        2.2.3 NCSR去噪算法
    2.3 经典的神经网络图像去噪算法
        2.3.1 CSF去噪算法
        2.3.2 TNRD去噪算法
    2.4 实验结果与分析
    2.5 本章小结
第3章 基于低秩的非局部图像去噪算法研究
    3.1 基于低秩的图像去噪算法原理与实现
        3.1.1 基于低秩的图像去噪原理
        3.1.2 基于低秩的图像去噪数学模型及求解
        3.1.3 基于低秩的图像去噪算法框架
    3.2 引入结构相似性与小波预滤波的低秩去噪算法设计与实现
        3.2.1 基于结构相似性与小波预滤波的图像去噪算法设计
        3.2.2 基于结构相似性与小波预滤波的图像去噪算法实现
    3.3 实验结果与分析
    3.4 本章小结
第4章 基于深度学习的图像去噪算法研究
    4.1 基于深度学习的图像去噪算法原理与实现
        4.1.1 基于深度学习的图像去噪原理
        4.1.2 深度学习中的网络模型参数学习技术
        4.1.3 基于深度学习的两种新型去噪网络
    4.2 基于multi-flow与 ASPP的深度学习去噪算法设计与实现
        4.2.1 基于multi-flow与 ASPP的图像去噪算法设计
        4.2.2 基于multi-flow与 ASPP的图像去噪算法实现
    4.3 实验结果与分析
    4.4 本章小结
第5章 总结与展望
    5.1 课题总结
    5.2 课题展望
致谢
参考文献
攻读学位期间获得与学位论文相关的科研成果目录


【参考文献】：
期刊论文
[1]图像噪声方差分段估计法[J]. 张承志,冯华君,徐之海,李奇,陈跃庭.  浙江大学学报(工学版). 2018(09)
[2]基于三变量模型的剪切波去噪方法[J]. 郭强,郁松年.  自动化学报. 2010(08)
[3]空间域图像去噪方法[J]. 林晓梅,李琳娜,薄万宝,牛刚.  长春工业大学学报(自然科学版). 2004(01)

硕士论文
[1]基于非局部均值的图像去噪方法研究[D]. 王林.西安电子科技大学 2014



本文编号：3006480