基于改进BM3D的图像去噪算法研究

发布时间：2024-06-07 02:45

　　科学技术的高速发展催生了信息革命,数字图像作为信息获取、表达和传递的重要方式,其准确性和清晰性至关重要。然而图像噪声会导致图像降质。为了得到高质量的图像,图像去噪算法的研究从未间断,三维块匹配协同滤波算法(Block-matching and 3D filtering,BM3D)是其中集大成者,但它仍存在一些不足:算法效率低下、对高强度噪声图像去噪效果差、边缘纹理信息丢失。为了使图像去噪效果更理想,改进原有算法、提出更有效的方法尤为迫切和重要。本文首先研究了SFCM图像聚类算法和自适应边缘检测算法,然后在此基础上对BM3D图像去噪算法做了改进,最后通过仿真实验说明了改进算法的优势。论文主要创新工作和研究成果如下:(1)针对BM3D算法因全局搜索导致效率低下、对高强度噪声图像去噪效果差的不足,提出基于SFCM聚类的BM3D图像去噪算法,该算法利用图像像素点的灰度分布特性,通过SFCM聚类算法将图像像素点分为不同的类别,每一类为一个同质区域,同质区域内的像素点相似性高,非同质区域内的像素点相似性低,块匹配不必再进行全局搜索,而是在同质区域内,以此提高算法去噪效率;该算法还利用SFCM聚类算...

【文章页数】：103 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 选题背景以及研究意义
    1.2 国内外研究现状
    1.3 论文的研究工作及创新点
    1.4 论文的结构安排
第二章 图像去噪算法基本理论
    2.1 引言
    2.2 图像去噪基础
        2.2.1 图像噪声
        2.2.2 经典图像去噪算法
    2.3 BM3D图像去噪算法概述
        2.3.1 块匹配
        2.3.2 协同滤波
        2.3.3 聚集
        2.3.4 算法具体实现
    2.4 图像去噪质量评价
    2.5 本章小结
第三章 基于SFCM聚类的BM3D图像去噪算法
    3.1 引言
    3.2 SFCM聚类算法概述
        3.2.1 FCM聚类算法原理
        3.2.2 SFCM聚类算法原理
    3.3 基于SFCM聚类的BM3D图像去噪算法实现
        3.3.1 SFCM聚类算法的实现
        3.3.2 基于加权L₂范数的块匹配
        3.3.3 基于SFCM的 BM3D图像去噪算法实现
        3.3.4 算法参数设定
        3.3.5 算法复杂度分析
    3.4 实验结果及分析
    3.5 本章小结
第四章 基于自适应边缘检测的BM3D图像去噪算法
    4.1 引言
    4.2 边缘检测原理概述
        4.2.1 边缘检测原理
        4.2.2 边缘检测算子
        4.2.3 边缘检测算子比较
    4.3 基于自适应边缘检测的BM3D图像去噪算法实现
        4.3.1 基于Canny算子的边缘检测算法实现
        4.3.2 基于自适应Canny算子的边缘检测算法实现
        4.3.3 基于自适应边缘检测的BM3D图像去噪算法实现
    4.4 实验结果分析
    4.5 本章小结
第五章 基于图像分割的图像去噪算法
    5.1 引言
    5.2 基于图像分割的图像去噪算法实现
        5.2.1 基于图像分割的BM3D图像去噪算法实现
        5.2.2 基于图像分割的C-BM3D图像去噪算法实现
        5.2.3 彩色图像评价标准
    5.3 实验结果分析
        5.3.1 基于图像分割的BM3D图像去噪算法实验结果分析
        5.3.2 基于图像分割的C-BM3D图像去噪算法实验结果分析
    5.4 本章小结
第六章 总结与展望
    6.1 论文工作总结
    6.2 下一步工作
参考文献
致谢
作者简介



本文编号：3990660