基于块和稀疏表示的图像去噪算法研究
发布时间：2021-09-04 11:40
图像去噪不仅仅是一个老的学科问题,在当下也是比较热门的研究领域,很多学者致力于研究更优秀的算法对噪声图像进行更好的修复。随着现代科学和技术的发展,采集硬件易于处理具有出色高分辨率和高快门速度的图像。但是这些因素也导致图像捕获设备在抓取图像时容易被噪声破坏。有效的图像去噪技术可以帮助相机制造商解决这个问题。这也使得图像去噪仍然是继续研究的热门问题。本文研究的去噪技术是基于块和稀疏表示的去噪理论。以稀疏表示相关理论为基础,运用字典学习算法,稀疏表示算法,聚类算法,凸优化,非凸优化及正则化相关理论,设计相关图像去噪算法,主要研究内容如下:首先提出了一种新的图像去噪字典学习方法。所提出的想法是将噪声信息结合到稀疏编码算法的设计中,称为改进的稀疏编码（Tikhonov-MOD-AK-SVD）,其可以有效地抑制训练期间的噪声影响。我们利用K-means方法对噪声图像块进行分组;其次,每个字典由Tikhonov-MOD-AK-SVD在相应的图像类别中训练;最后,这些词典合并为一个过完备字典。基准数据集上的图像去噪的实验结果表明,所提出的字典学习的去噪方法优于传统的字典学习去噪方法。其次,我们对基于非...
【文章来源】：广东工业大学广东省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
在稀疏度为s=6的情况下字典成功恢复率具体迭代演变
2.5 算法设计在本节中，我们利用相应去噪框架[47][50][51][52]，该框架通过利用稀疏性和冗余提出去噪算法。首先，我们将描述所提算法的主要思想，如下 2-2 图所示。 设 Y给定的噪声图像。 因为该去噪框架[47][50][51][52]基于稀疏表示的要求，我们需要得到个过完备的字典，以稀疏地表示执行去噪处理的每个噪声图像块。 在完成 MAK-SVD 算法生成的字典时，针对这个问题，我们使用 K-means 算法将噪声图像分成{ …, ,. }。由于来自同一簇的元素具有相似的几何结构，因此相应的完整典{ , , …, }由 Tikhonov-MOD-AK-SVD 算法训练，最后，通过组合这些完的字典来生成过完备的字典 D.。最后通过稀疏冗余表达得到去噪图像。2.5.1 基于 k-mean 聚类的 Tikhonov-MOD-AK-SVD 图像去噪算法设计算法结构框图如下：
Peppers 图像和 Baboon 图像的去噪效果。实验 2：为了验证所提出的方法适用于处理强噪声情况，我们将加性高斯声的标准差设置为 35，然后使用不同的方法比较 Parrot 图像和 Cameraman 图去噪结果。实验 3：为了证明所提出的方法可以处理一些混合噪声。我们将加性高斯声的标准差设置为 20，将斑点噪声的密度设置为 d=1×10-3，然后用不同的方较 Cameraman2 图像的去噪效果。为了评估去噪图像的质量，我们使用峰值信噪比(PSNR)作为评估原始成像噪结果之间差异的良好标准。表 2-2 展示了不同的测试图像算法的 PSNR。在 P方面，我们的方法优于稀疏编码方法，并改进了稀疏编码方法。然后根据 Fig 2Fig 2-7 中的结果，表明我们提出的方法能够获得比本文提出的其他两种对比方好的视觉质量。
【参考文献】：
期刊论文
[1]基于字典学习的低剂量X-ray CT图像去噪[J]. 朱永成,陈阳,罗立民,Toumoulin Christine. 东南大学学报(自然科学版). 2012(05)
[2]小波变换和稀疏冗余表示的混合图像去噪[J]. 李慧斌,刘峰. 中国图象图形学报. 2012(09)
[3]基于稀疏表示的两级图像去噪[J]. 何艳敏,甘涛,陈武凡. 电子与信息学报. 2012(09)
[4]一种基于去冗余字典的图像去噪算法[J]. 张丹莹,李翠华,李雄宗,施华,张东晓. 厦门大学学报(自然科学版). 2012(04)
[5]自适应超完备字典学习的SAR图像降噪[J]. 杨萌,张弓. 中国图象图形学报. 2012(04)
[6]采用非局部均值的连续太赫兹图像去噪处理[J]. 李琦,夏志伟,丁胜晖,王骐. 红外与激光工程. 2012(02)
[7]一种改进的非局部均值图像去噪算法[J]. 刘晓明,田雨,何徽,仲元红. 计算机工程. 2012(04)
[8]小波域中的广义非局部平均去噪算法[J]. 冯象初,刘涛,李亚峰. 西安电子科技大学学报. 2010(05)
[9]基于2DPCA的有效非局部滤波方法[J]. 郑钰辉,孙权森,夏德深. 自动化学报. 2010(10)
[10]基于结构张量的Non-Local Means去噪算法研究[J]. 许娟,孙玉宝,韦志辉. 计算机工程与应用. 2010(28)
本文编号：3383195
【文章来源】：广东工业大学广东省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
在稀疏度为s=6的情况下字典成功恢复率具体迭代演变
2.5 算法设计在本节中，我们利用相应去噪框架[47][50][51][52]，该框架通过利用稀疏性和冗余提出去噪算法。首先，我们将描述所提算法的主要思想，如下 2-2 图所示。 设 Y给定的噪声图像。 因为该去噪框架[47][50][51][52]基于稀疏表示的要求，我们需要得到个过完备的字典，以稀疏地表示执行去噪处理的每个噪声图像块。 在完成 MAK-SVD 算法生成的字典时，针对这个问题，我们使用 K-means 算法将噪声图像分成{ …, ,. }。由于来自同一簇的元素具有相似的几何结构，因此相应的完整典{ , , …, }由 Tikhonov-MOD-AK-SVD 算法训练，最后，通过组合这些完的字典来生成过完备的字典 D.。最后通过稀疏冗余表达得到去噪图像。2.5.1 基于 k-mean 聚类的 Tikhonov-MOD-AK-SVD 图像去噪算法设计算法结构框图如下：
Peppers 图像和 Baboon 图像的去噪效果。实验 2：为了验证所提出的方法适用于处理强噪声情况，我们将加性高斯声的标准差设置为 35，然后使用不同的方法比较 Parrot 图像和 Cameraman 图去噪结果。实验 3：为了证明所提出的方法可以处理一些混合噪声。我们将加性高斯声的标准差设置为 20，将斑点噪声的密度设置为 d=1×10-3，然后用不同的方较 Cameraman2 图像的去噪效果。为了评估去噪图像的质量，我们使用峰值信噪比(PSNR)作为评估原始成像噪结果之间差异的良好标准。表 2-2 展示了不同的测试图像算法的 PSNR。在 P方面，我们的方法优于稀疏编码方法，并改进了稀疏编码方法。然后根据 Fig 2Fig 2-7 中的结果，表明我们提出的方法能够获得比本文提出的其他两种对比方好的视觉质量。
【参考文献】：
期刊论文
[1]基于字典学习的低剂量X-ray CT图像去噪[J]. 朱永成,陈阳,罗立民,Toumoulin Christine. 东南大学学报(自然科学版). 2012(05)
[2]小波变换和稀疏冗余表示的混合图像去噪[J]. 李慧斌,刘峰. 中国图象图形学报. 2012(09)
[3]基于稀疏表示的两级图像去噪[J]. 何艳敏,甘涛,陈武凡. 电子与信息学报. 2012(09)
[4]一种基于去冗余字典的图像去噪算法[J]. 张丹莹,李翠华,李雄宗,施华,张东晓. 厦门大学学报(自然科学版). 2012(04)
[5]自适应超完备字典学习的SAR图像降噪[J]. 杨萌,张弓. 中国图象图形学报. 2012(04)
[6]采用非局部均值的连续太赫兹图像去噪处理[J]. 李琦,夏志伟,丁胜晖,王骐. 红外与激光工程. 2012(02)
[7]一种改进的非局部均值图像去噪算法[J]. 刘晓明,田雨,何徽,仲元红. 计算机工程. 2012(04)
[8]小波域中的广义非局部平均去噪算法[J]. 冯象初,刘涛,李亚峰. 西安电子科技大学学报. 2010(05)
[9]基于2DPCA的有效非局部滤波方法[J]. 郑钰辉,孙权森,夏德深. 自动化学报. 2010(10)
[10]基于结构张量的Non-Local Means去噪算法研究[J]. 许娟,孙玉宝,韦志辉. 计算机工程与应用. 2010(28)
本文编号：3383195
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3383195.html
最近更新
教材专著
