基于结构先验与稀疏表示的图像去噪方法研究

发布时间：2023-08-05 19:04

　　图像去噪作为计算机视觉领域的基础课题一直是学术研究中的热点。图像噪声会严重影响到如图像分割、图像编码、特征提取以及目标检测等图像后处理的精度。当图像中既包含较丰富的纹理信息又包含较丰富的几何结构信息时,现有的图像去噪算法难以在去除图像噪声的同时保持图像细节信息。针对这个问题,本文将图像的结构先验和稀疏先验引入到图像复原处理中,分别提出了基于全变分和稀疏表示的两种改进算法。针对现有的红外图像去噪算法在去除非均匀性噪声时残留噪声过多的问题,本文提出了一种基于稀疏表示的非均匀性噪声去除方法。该方法主要以非均匀性噪声的稀疏先验为理论基础。通过K-SVD算法训练出学习字典,再将学习字典以按照条带噪声特性排序。使用重排后的学习字典对红外图像进行稀疏表示,并且在图像的稀疏系数上识别噪声加以去除。最后,针对该方法噪声残留较大以及造成图像模糊的问题,本文对图像块的均值图同样进行非均匀性噪声去除,提升了该方法去除非均匀性噪声的能力。针对现有的高斯噪声去除算法在去除噪声时对图像边缘纹理等细节保持能力不足的问题,本文提出了一种基于非局部导控核的全变分图像去噪方法。该方法利用了图像自相似性先验以及具有优异纹理特...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景
    1.2 结构先验方法国内外研究现状
    1.3 稀疏表示的研究现状
    1.4 论文研究内容及结构安排
第二章 结构先验与稀疏表示概述
    2.1 稀疏先验概述
    2.2 稀疏表示原理
    2.3 稀疏表示求解算法
    2.4 稀疏表示字典
        2.4.1 稀疏表示字典的发展历程
        2.4.2 超完备稀疏表示学习字典
    2.5 局部平滑性先验方法
        2.5.1 双边滤波
        2.5.2 全变分方法
    2.6 非局部自相似性先验方法
    2.7 图像质量评价指标
    2.8 本章小结
第三章 基于稀疏表示的非均匀性噪声去除方法
    3.1 红外成像原理
    3.2 红外成像系统特点
    3.3 红外图像非均匀性概述
    3.4 非均匀性校正算法
        3.4.1 基于定标的非均匀校正算法
        3.4.2 基于场景的非均匀校正算法
        3.4.3 基于数理统计的非均匀校正算法
    3.5 基于稀疏表示的非均匀性噪声去除方法
    3.6 实验结果对比
        3.6.1 仿真实验
        3.6.2 真实红外图像实验
    3.7 本章小结
第四章 基于非局部导控核的全变分图像去噪方法
    4.1 基于图像结构先验的去噪方法分析
    4.2 核回归方法与导控核
    4.3 局部和非局部导控核加权的全变分模型
    4.4 实验结果
        4.4.1 参数分析
        4.4.2 算法对比
第五章 工作总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
致谢
作者简介



本文编号：3839172