图像处理中的块先验理论及应用研究

发布时间：2017-06-13 00:01

  本文关键词：图像处理中的块先验理论及应用研究，由笔耕文化传播整理发布。

【摘要】：作为有力的和应用广泛的通信媒介,图像已经成为人类认识物理世界的主要信息来源。图像处理和理解成为当今科学技术的重要组成部分。然而,由于成像系统的不完善、周围环境的变化等因素的影响,图像在形成、传输、记录过程中会产生退化,导致信噪比(Signal-to-Noise Ratio, SNR)和分辨率降低、畸变、模糊等。图像的退化严重影响了其实际应用效果,图像分析和理解需要消除这些影响。目前,主要有两种方式：一是通过预处理对退化图像进行恢复；二是在图像理解算法中考虑退化因素造成的偏差。噪声是导致图像退化的主要因素之一,同时,图像去噪模型很容易扩展到去模糊等其它图像恢复模型。因此,图像去噪一直是图像处理领域的研究热点。城市变化检测在城市演变、城市规划、数字城市等领域有着非常重要的作用,.由于高分辨率图像可以提供更多的细节信息,近年来,基于高分辨率遥感图像的城市变化检测受到了更为广泛的关注。图像处理算法可以在“块”尺度上进行,本论文旨在利用分块思想和图像块先验提高退化图像的信噪比和多时相高分辨率(Very High Resolution, VHR)遥感图像变化检测的精度。本论文的主要创新性工作概括为以下四个部分：第一部分研究受加性高斯白噪声影响的高光谱图像的恢复。结合主成分分析(Principal Component Analysis, PCA)能量集中的特性和字典学习对每个主成分图像的自适应性,提出了基于主成分分析和字典学习的高光谱遥感图像去噪方法。该方法利用了高光谱图像在变换域的图像块的稀疏性先验。实验表明,新方法达到了更好的去噪效果,更好地保留了细节,有效抑制了斑块效应。第二部分提出一个新的字典学习模型。图像的光滑性先验假定图像属于某个光滑函数空间,图像块的稀疏性先验假定图像块可以在一组正交基、框架或者过完备字典下进行稀疏表示。综合以上两种假定,提出图像块可以在光滑字典下进行稀疏表示,建立了二阶总广义变差(Total Generalized Variation, TGV)正则的过完备字典学习模型,并将其应用于图像中加性高斯白噪声的去除。与已有字典学习模型相比,提出模型可以有效地控制字典原子的光滑性、更好地保留图像的结构,数值实验验证了提出模型的有效性。第三部分研究受乘性Gamma噪声污染的灰度图像的恢复。基于图像的光滑性先验、对数域图像块的自相似性和稀疏性先验,提出了基于相似块组的乘性噪声去除模型的新框架,同时考虑了3种重要的图像/图像块先验。考虑高阶奇异值分解(Higher Order Singular Value Decomposition, HOSVD)和总变差(Total Variation,TV)正则的互补性,给出了一个具体的乘性噪声去除模型,分析了对应的求解算法。实验结果表明,新模型在有效去除乘性噪声的同时,可以更好地保留图像的边缘和纹理区域的细节信息。第四部分研究多时相高分辨率遥感图像变化检测。利用图像块在特征空间下的相似性,提出了变化场的概念。变化场具有明确的物理意义,它将高维特征空间投影到3维变化特征空间。利用图像块在空间的偏移距离和在特征空间的相似度差异,变化场在“块”尺度上有效的度量了两幅高分辨率图像间的复杂变化,提高了变化类和非变化类的类间可分性。基于变化场和渐进直推式支持向量机分类器,给出了一个高分辨率遥感图像变化检测新方法。实验表明,一些已有的变化检测算法的精度可以通过使用变化场得到提升,提出的方法可以有效地区分变化类和非变化类。
【关键词】：图像去噪 变化检测 图像块先验 字典学习 高阶奇异值分解
【学位授予单位】：西安电子科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要5-7
• Abstract7-13
• 符号对照表13-14
• 缩略语对照表14-18
• 第一章 绪论18-34
• 1.1 选题背景和意义18-20
• 1.2 国内外研究现状分析20-31
• 1.2.1 图像去噪的研究现状20-28
• 1.2.2 高分辨率遥感图像变化检测研究现状28-30
• 1.2.3 存在的问题30-31
• 1.3 论文的主要研究思路和结构安排31-34
• 第二章 基于主成分分析和字典学习的高光谱遥感图像去噪34-50
• 2.1 高光谱图像去加性噪声的研究现状34-36
• 2.2 基于主成分分析和字典学习的高光谱遥感图像去噪36-41
• 2.2.1 光谱维PCA变换36-38
• 2.2.2 基于K-SVD算法的噪声成分图像去噪38-41
• 2.3 数值实验41-49
• 2.3.1 模拟数据实验结果42-47
• 2.3.2 真实数据实验结果47-49
• 2.4 本章小结49-50
• 第三章 基于过完备光滑字典的加性噪声去除模型50-64
• 3.1 预备知识50-53
• 3.1.1 TGV的定义和性质50-51
• 3.1.2 消失矩及其对基于小波变换的图像去噪效果的影响51-53
• 3.2 过完备光滑字典学习模型53-57
• 3.2.1 字典学习模型的建立53-55
• 3.2.2 字典学习模型的求解55-57
• 3.2.3 基于光滑过完备字典的图像去噪57
• 3.3 数值实验57-63
• 3.3.1 峰值信噪比比较57-60
• 3.3.2 字典光滑性的比较60-61
• 3.3.3 去噪图像的视觉比较61-63
• 3.4 本章小结63-64
• 第四章 基于高阶奇异值分解和总变差正则的乘性噪声去除模型64-82
• 4.1 乘性噪声去除的研究现状64-68
• 4.1.1 乘性Gamma噪声的数学表示64-66
• 4.1.2 研究现状66-67
• 4.1.3 HMNZ模型67-68
• 4.2 基于高阶奇异值分解和总变差的乘性噪声去除模型68-74
• 4.2.1 模型的建立69-70
• 4.2.2 模型求解70-74
• 4.3 数值实验74-80
• 4.3.1 参数选择74
• 4.3.2 客观评价74-76
• 4.3.3 主观评价76-80
• 4.4 本章小结80-82
• 第五章 基于变化场的城市场景高分辨率遥感图像变化检测82-100
• 5.1 背景知识82-84
• 5.1.1 变化特征抽取82-84
• 5.1.2 变化特征分类84
• 5.2 变化场的定义84-89
• 5.3 基于变化场的城市场景高分辨率遥感图像变化检测89-93
• 5.3.1 变化场的计算89-90
• 5.3.2 变化场的分割90-93
• 5.4 数值实验93-99
• 5.5 本章小结99-100
• 第六章 结论和展望100-102
• 6.1 研究结论100-101
• 6.2 研究展望101-102
• 参考文献102-114
• 致谢114-116
• 作者简介116-117

【共引文献】

中国期刊全文数据库 前10条

1 唐梦;彭国华;郑红婵;;基于正则化方法的图像盲去模糊[J];计算机应用研究;2014年02期

2 王锋;张昆帆;孟凡坤;赵拥军;;一种基于总体变分的自适应图像去噪方法[J];测绘科学技术学报;2014年01期

3 孙晓明;周冬梅;张顺;;图像去噪方法的对比研究[J];科技视界;2014年06期

4 马超;况立群;韩燮;;基于视觉的拓扑特征提取[J];计算机测量与控制;2015年11期

5 杨柳;何国良;;图像滤波中P-M方程的两层格式算法[J];四川理工学院学报(自然科学版);2014年05期

6 张洪为;宋芳芳;;基于改进总变分算法的遥感图像去噪方法研究[J];通化师范学院学报;2014年10期

7 齐玉娟;牛潇然;王延江;;基于人类记忆机制的码本建模方法研究[J];中国石油大学学报(自然科学版);2015年04期

8 王锋;张昆帆;王希云;赵拥军;;TV正则化的双迭代RL湍流退化图像复原算法[J];信息工程大学学报;2014年02期

9 杨娜;陈后金;陈益强;;基于视觉注意机制PCNN模型的车牌图像分割方法[J];交通运输系统工程与信息;2014年03期

10 杨巧;李五强;韩国栋;;P-M与TV模型在加性高斯白噪声去噪中的比较研究[J];渭南师范学院学报;2014年15期

中国硕士学位论文全文数据库 前10条

1 张奕;基于偏微分方程图像处理的快速差分算法研究[D];华北电力大学（北京）;2011年

2 胡琳昀;自适应图像修复算法研究[D];重庆大学;2012年

3 唐登龙;基于DBN的服装风格自主发育的研究与实现[D];东华大学;2014年

4 李青青;基于正则化方法的图像去噪模型的研究[D];武汉理工大学;2013年

5 李理;加权型线性积分卷积图像去噪方法研究[D];南京理工大学;2013年

6 杨新星;局部线性嵌入降维及其在红外及微光图像识别中的应用[D];南京理工大学;2014年

7 宋朝帅;多物理场图像处理中LBM的研究与应用[D];青岛理工大学;2013年

8 李琰婷;基于偏微分方程的可见光图像增强方法及实现[D];长春理工大学;2014年

9 王艳;基于各向异性扩散的图像降噪算法的研究与优化[D];中北大学;2014年

10 候芳;基于区域特征对比分析的图像显著性检测方法研究[D];燕山大学;2013年

  本文关键词：图像处理中的块先验理论及应用研究，由笔耕文化传播整理发布。

，

本文编号：445197