一种基于非冗余重组的图像复原方法

发布时间：2023-05-13 14:14

　　图像是人类获得信息的重要途径,在当今信息化的社会中,图像出现在我们生活、工作中的各个方面。然而,在图像的获取和传播过程中,总是不可避免的混入噪声,产生失真、模糊,降低图像的质量。因此,图像复原技术的研究是非常重要的。尤其是近年来,深度学习成为热点研究,图像复原作为图像预处理对后续的工作有很大的影响。虽然现在有很多去噪算法在低噪声水平已经取得了非常好的效果,但是在高噪声水平上的去噪效果往往较差,本文提出了一种基于非冗余重组的图像复原方法。通过下采样的方式,将高噪声水平的图像转化为四幅低噪声水平的子图像,再对每一幅子图像进行去噪处理。然后,将几幅子图像重组为与初始图像大小相同的图像,并对重组后的图像进行去模糊,得到清晰的图像。该算法降低了原始图像的噪声水平,避免了在高噪水平下去噪,从而提高了高噪声水平下的去噪效果。从实验数据可以看出,该算法在主观视觉和实验结果上均得到了不错的效果。本文主要分为六个部分,第一部分介绍了图像复原的背景及研究现状;第二部分介绍了图像去噪的理论基础以及几种经典的图像去噪算法;第三部分介绍了图像去模糊的基础理论以及经典的图像去模糊算法;第四部分介绍了奇异值分解及BM...

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 图像去噪的研究现状
    1.3 图像去模糊的研究现状
    1.4 论文的主要内容及内容安排
第2章 图像去噪的基本理论
    2.1 噪声分类
    2.2 噪声模型
    2.3 经典的图像去噪算法
        2.3.1 均值滤波
        2.3.2 非局部均值滤波
        2.3.3 离散余弦变换去噪
        2.3.4 小波阈值去噪
    2.4 图像质量评价标准
    2.5 本章小结
第3章 图像去模糊的基本理论
    3.1 图像退化模型
    3.2 模糊类型
    3.3 经典的去模糊算法
        3.3.1 逆滤波
        3.3.2 维纳滤波
        3.3.3 Lucy-Richardson算法
        3.3.4 全变差正则化
    3.4 本章小结
第4章 BM3D去噪算法
    4.1 奇异值分解(SVD)
        4.1.1 Householder变换
        4.1.2 Golub-Kahan算法
    4.2 BM3D去噪算法
    4.3 本章小结
第5章 基于非冗余重组的图像复原方方法
    5.1 基于非冗余重组的图像复原方法
    5.2 实验结果
    5.3 本章小结
第6章 总结
参考文献
致谢



本文编号：3815982