基于块的图像去噪算法研究电子与通信工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 分类号： 分类号： 学校代号：11845 UDC： 密级： 学 号：211 1203084 广东工业大学硕士学位论文 (工程硕士专业学位) 基于块的图像去噪算法研究 朱莎莎 指导教师姓名、职称： 墓盒虽4婴窒旦 企业导师姓名、职称： 玉 专业或领域名称： 论文答辩日期： 篓一争信一学一％ 学生所属学院： 一一 万方数据 A A Dissertation Submitted to Guangdong University of Technology for the Degree of Master (Master of Engineering) Studies on Image Patch Based Denoising Algorithm Mas．Candidate：Zhu Shasha Supervisor：Assoc．Prof．Cai Nian June 2015 Faculty of I nformation Engineering Guangdong University of Technology Guangzhou，Guangdong，P．R．China，51 0006 万方数据 摘要摘要 摘要 摘要 图像是人类对客观世界感知和认识的一种最直接的途径。图像传递着重要的信 息，清晰无污染的图像才能确保信息的真实性。然而，在图像成像或传输的过程中 不可避免地引入了各种噪声，致使信息失真。因此，需要从噪声图像中还原出原始 清晰的图像，即图像去噪。图像去噪技术已广泛应用于国民经济和国防的众多领域， 如医学图像处理、气象遥感、生物识别、安全监控、目标跟踪等。因此，研究图像 去噪具有重要意义和广泛的应用前景。 近年来，由于基于图像块的图像去噪算法具有计算复杂度较低以及去噪性能较 好等优点，得到众多学者的关注。本文主要研究一些近期性能较为优良的基于图像 块的图像去噪算法，并进一步改善图像去噪性能。主要工作和研究成果如下： (1)块对数似然概率期望算法的改进。由于块对数似然概率期望算法中采用 了固定的高斯混合模型参数，而并非考虑到本地图像的内部结构和信息，在一定程 度上限制了图像去噪性能。鉴于此，本文尝试解决高斯混合模型参数的自适应更新 问题。每次迭代时，对去噪后的图像块进行学习，更新高斯混合模型，并使用该高 斯混合模型对图像块进行去噪，直到获得满意的去噪结果。实验结果表明，相比于 当前较为优秀的一些算法，该改进算法能够很好地保留图像的结构信息，提高了去 噪效果。 (2)非局部中心稀疏表示算法的改进。非局部中心稀疏表示算法是基于稀疏 表示的图像恢复问题，提出了稀疏编码噪声模型，通过减少稀疏编码噪声达到恢复 图像的目的。由于其对原始图像的稀疏系数估计是通过求一定数量的相似图像块的 加权平均，再对其求稀疏系数而求得的，估计值的精度不够。而且，整个去噪过程 是一个迭代的过程，中间去噪结果中的图像噪声变成相关的，这样的估计方法引起 偏差。本文融入通用的非局部均值算法尝试更加精确的估计。实验结果表明，经过 这种改进之后，相比目前一些优秀的图像去噪算法，去噪后的图像在细节方面更加 具有辨识度，对于平滑区域的去噪也有改善。 关键词：图像块；相似性；图像去噪；稀疏表示；先验知识 万方数据 广东工业大学硕士学位论文Abstract 广东工业大学硕士学位论文 Abstract The most direct way for human to perceive and know the outside world is to see from the images，which convey important information．A clear image without pollution can ensure the authenticity of the information．However，in the process of image imaging or transferring，noise can be inevitably introduced，which leading to the information distortion．So，we need to restore the clear image from the noised image．This operation is also called image denoi sing．Image denoi sing i s widely used in many fields，such as medical image processing，meteorological remote sensing，biometrics，s