基于全局与非全局块匹配的去噪算法

发布时间：2022-07-23 14:51

　　图像作为人类获取视觉信息的一种重要媒介,在医疗、军事等领域都扮演着至关重要的角色.然而在图像的采集、传输等过程中,由于设备及人为等各种因素的影响,图像经常受到噪声的污染.这些噪声不但降低了图像质量,而且会影响诸如分割等后续图像处理.因此,图像去噪一直受到国内外研究者们的关注.近年来,研究者们提出了大量基于非局部相似性（NSS）先验的低秩恢复去噪算法,然而如何表示图像的局部结构以及选取相似块等问题一直是难点也是关键.本文以现有的基于NSS先验的低秩近似算法为基础,针对上述问题进行研究,提出了基于低秩近似的核维纳滤波算法和基于奇异值分解的低秩（GMM-LR）算法.具体的研究工作有以下几个方面:（1）（External patch guided internal clustering for image denoising,PCLR）算法根据干净图像学习到的先验知识引导噪声块聚类,形成非局部相似块,但会使噪声块与相似块混淆.针对这一问题,本文引入核函数表示图像的局部复杂结构,通过最小化噪声图像和去噪图像间的均方误差进一步去除噪声.经过实验验证,改进后的算法具有较好的去噪性能.（2）局部块匹配... 

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 图像去噪的国内外研究现状
    1.3 本文工作及内容安排
第二章 基于低秩近似恢复的去噪算法研究
    2.1 相似块矩阵
    2.2 低秩矩阵恢复
    2.3 低秩矩阵恢复主要的优化算法
        2.3.1 迭代阈值算法
        2.3.2 加速近端梯度算法
        2.3.3 增广拉格朗日乘子法
    2.4 空间自适应迭代奇异值阈值(SAIST)算法
    2.5 图像去噪效果的评价标准
        2.5.1 峰值信噪比
        2.5.2 结构相似度
    2.6 本章小结
第三章 基于非局部自相似性的核维纳滤波去噪算法
    3.1 基于非局部自相似性的核维纳滤波去噪算法
        3.1.1 高斯混合模型学习图像块
        3.1.2 算法设计
    3.2 实验参数设置
    3.3 实验结果比较与分析
        3.3.1 视觉效果的比较
        3.3.2 PSNR / SSIM值 的比较
    3.4 本章小结
第四章基于全局与局部块匹配的低秩近似去噪算法
    4.1 基于全局与局部块匹配的低秩近似去噪算法
    4.2 实验参数设置
        4.2.1 λ值的选取
        4.2.2 μ值的选取
        4.2.3 迭代过程的比较
    4.3 实验结果
        4.3.1 PSNR/SSIM值的比较
        4.3.2 视觉效果的比较
    4.4 计算复杂性
    4.5 本章小结
第五章 总结与展望
参考文献
致谢
攻读硕士学位期间完成的论文



本文编号：3665340