在電子戰(zhàn)中,利用無人機偵察圖像進行大范圍和危險環(huán)境中的目標定位、識別和圖像理解,并與傳統(tǒng)的電磁偵察有機融合,能極大地提高我軍參謀人員對戰(zhàn)場態(tài)勢感知和準確分析的能力,這是未來戰(zhàn)場偵察技術(shù)發(fā)展的趨勢之一。清晰的偵察圖像是后續(xù)戰(zhàn)場目標識別的基礎(chǔ),因此對含噪無人機圖像進行去噪方法研究具有重要意義。本文以此為研究方向,取得的主要成果如下:(1)針對無人機圖像的特點和干擾噪聲復(fù)雜多樣,通過分析和比較提出了采用壓縮感知去噪的解決方法。基于壓縮感知圖像去噪技術(shù)是根據(jù)圖像具有稀疏性的特點,按照研究對象稀疏成分的有無,將圖像中的有效成分與噪聲分離實現(xiàn)圖像去噪。在驗證實驗中,采用經(jīng)典圖像去噪算法作為對照方法,在不同類型的噪聲下進行仿真,實驗結(jié)果表明,基于壓縮感知的圖像去噪算法比常規(guī)圖像去噪方法效果更優(yōu),所提取圖像的有效成分具有更高峰值信噪比,能滿足不同工作環(huán)境下無人機圖像去噪的要求。(2)針對壓縮感知理論中固定稀疏字典無法全面表示圖像結(jié)構(gòu)特征而影響去噪效果的問題,研究了基于無人機含噪圖像字典學(xué)習(xí)的稀疏去噪算法。首先將噪聲圖像作為訓(xùn)練樣本,選擇初始化字典,對含噪圖像進行稀疏表示;此時通過K-SVD算法對稀疏表示后的矩陣進行學(xué)習(xí),更新字典,這個過程即為字典學(xué)習(xí),經(jīng)過反復(fù)迭代,使殘差滿足事先設(shè)定的范圍,則停止更新,得到新字典。同時,本文通過與參數(shù)化構(gòu)造字典和對自然圖像訓(xùn)練得到的字典比較,實驗結(jié)果表明了通過字典學(xué)習(xí)進行圖像去噪,對圖像結(jié)構(gòu)特征的表達效果和去噪效果更好。(3)針對無人機偵察圖像中混合噪聲影響圖像稀疏性的問題,本文提出了一種基于壓縮感知的組合去噪算法。該算法分為粗去噪和細去噪兩部分,粗去噪過程主要利用濾波平滑處理掉混合噪聲中的脈沖噪聲,減少其對圖像稀疏性的破壞;然后再對粗去噪的圖像進行稀疏表示,通過線性映射得到信號的測量值,最后利用重構(gòu)算法得到去噪后圖像。實驗結(jié)果表明,該算法改善了含有脈沖噪聲的混合噪聲對圖像稀疏性的影響,提高了圖像去噪性能。(4)針對圖像去噪后細節(jié)特征易受影響的問題,本文提出了基于小波融合的分層去噪算法。該算法利用小波融合原理,將中值濾波法和基于字典學(xué)習(xí)的稀疏去噪法兩種算法去噪后圖像融合,根據(jù)圖像類型特點和感興趣目標提出融合規(guī)則,根據(jù)局部圖像信息的能量譜設(shè)計了低頻系數(shù)融合規(guī)則,根據(jù)局部方差譜設(shè)計了高頻系數(shù)融合規(guī)則。在峰值信噪比、標準差、熵作為評價指標的條件下進行仿真實驗,結(jié)果表明算法具有良好的去噪性能,提高了對圖像細節(jié)特征的提取效果。
【學(xué)位單位】：國防科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TP391.41;E933
【部分圖文】：

變換基葉變換基變換基let基基字典庫圖 2.2 常用稀疏變換基個無人機圖像 1 2, ,TNX X ，X X是長度為 N 的間存在標準正交基 1,2, , iΨ i N，其中向量Ψ中的任意圖像 X 都可以由這組標準正交基 iΨ i 1Ni ii X= θψ =Ψ 中每個像素向量的變換系數(shù)是輸入圖像與標 1,2, ,N； 1 2=TN ， ， ， 是 N 1維 的 變 Nψ 是由 1Nii ψ 作為列向量組成的N N維的變換域 中的編碼向量。若編碼時，K 遠小于 N ，則信號 可以表達為Ψ變換域中稀疏時，相當于變換矩陣為單位陣，即標準單位

國防科技大學(xué)研究生院碩士學(xué)位論文2.2.2 測量矩陣構(gòu)造將 N 維K -稀疏圖像X 投影到一個與變換矩陣Ψ不相干的原始測量矩陣 獲得圖像的測量值 1 2, , ,TMY y y y( y ,i i x , i 1, 2, , M， M NY = X 其中 表示 N 維原始圖像，Y 是 維投影測量， 1 2, , ,TM 是M原始觀測矩陣。在式(2-4)中如果已知測量值Y ，要求解原始圖像 的表知數(shù)個數(shù)遠大于方程的個數(shù)(M N )，是無法通過直接計算的方法進行又因為待求解的原始圖像 X 的表示具有稀疏性，結(jié)合式(2-3)中原始圖像表示Ni iiX θ ψ Ψ 代入式(2-4)，從而有：Y = X = Ψ = A 其中感知矩陣A = Ψ 為 維的矩陣，形式如圖 2.4 所示:

觀評價 PSNR 值可得出：本文研究的基于壓縮感知的圖5高斯噪聲時，去噪效果明顯優(yōu)于均值濾波法和中值濾波波法的 PSNR 值高出 6.5dB，比中值濾波法的 PSNR 值高椒鹽噪聲進行去噪處理 =0.05椒鹽噪聲后得到含噪圖像，如圖 3.4(b)所示，分去噪實驗，去噪結(jié)果分別如圖 3.4(c)、(d)、(e)所示。同時 =0.05時，三種去噪算法實驗數(shù)據(jù) PSNR 值之間的比較原圖 （b）含噪圖像

【相似文獻】

相關(guān)期刊論文 前10條

1 馬云;曾祥忠;;圖像去噪方法探析[J];科技與創(chuàng)新;2016年23期

2 賀麗麗;;圖像去噪處理技術(shù)在通信領(lǐng)域的應(yīng)用[J];電子技術(shù)與軟件工程;2017年03期

3 劉濤;;改進分數(shù)階積分的激光圖像去噪研究[J];內(nèi)蒙古師范大學(xué)學(xué)報(自然科學(xué)漢文版);2017年02期

4 宋柏霖;;數(shù)字濾波技術(shù)在醫(yī)學(xué)圖像去噪中的應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2016年10期

5 雷燕;唐文娟;;一種基于小波變換的圖像去噪方法的應(yīng)用研究[J];河南科學(xué);2013年01期

6 褚晶輝;李英敏;宋垣;呂衛(wèi);;一種醫(yī)學(xué)圖像去噪程序的并行優(yōu)化[J];中國醫(yī)學(xué)物理學(xué)雜志;2012年06期

7 王勇智,黃紅波;一種數(shù)學(xué)圖像去噪的新方法[J];岳陽職業(yè)技術(shù)學(xué)院學(xué)報;2005年01期

8 陳明;基于多帶復(fù)數(shù)小波與最大后驗概率估計法的圖像去噪方法[J];模糊系統(tǒng)與數(shù)學(xué);2004年01期

9 董海燕;;一種改進的變分法圖像去噪模型[J];數(shù)學(xué)學(xué)習(xí)與研究;2019年17期

10 黃子吉;肖杰;陸安江;徐乃濤;孫其梁;;幾種圖像去噪方法的比較研究[J];通信技術(shù);2017年11期

相關(guān)會議論文 前10條

1 楊懷良;張祥朝;;基于p-范數(shù)的圖像去噪研究[A];上海市激光學(xué)會2015年學(xué)術(shù)年會論文集[C];2015年

2 靳士利;趙志剛;;基于小波與非線性擴散的混合圖像去噪[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

3 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應(yīng)方向小波在磁共振圖像去噪中的應(yīng)用[A];第十七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

4 費佩燕;郭寶龍;;基于小波變換的磁共振圖像去噪方法研究[A];中國儀器儀表學(xué)會第六屆青年學(xué)術(shù)會議論文集[C];2004年

5 侯培國;趙靜;劉明;;基于小波變換的圖像去噪[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2006年

6 張俞晴;何寧;甄雪艷;孫欣;;基于機器學(xué)習(xí)的圖像去噪研究進展[A];中國計算機用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2017年第二十一屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2017年

7 王靜;徐志京;;基于中值濾波和形態(tài)學(xué)的聲納圖像去噪研究[A];全國第21屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

8 楊茹;秦振濤;;基于張量字典學(xué)習(xí)的遙感圖像去噪研究[A];資源環(huán)境與地學(xué)空間信息技術(shù)新進展學(xué)術(shù)會議論文集[C];2016年

9 倪永婧;王成儒;;一種紋理圖像去噪方法的研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 侯艷芹;李均利;魏平;陳剛;;一種新的基于模糊均差和小波閾值的醫(yī)學(xué)圖像去噪方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

相關(guān)重要報紙文章 前1條

1 郭建春;圖像去噪技術(shù)中國專利申請分析[N];中國知識產(chǎn)權(quán)報;2012年

相關(guān)博士學(xué)位論文 前10條

1 張曉娟;自適應(yīng)偏微分方程與圖像去噪[D];上海大學(xué);2019年

2 Abdelgader Siddig Elzibaer Abdelgader;基于四階非線性偏微分方程模型的圖像去噪[D];哈爾濱工業(yè)大學(xué);2018年

3 施克漢;基于橢圓和拋物型方程組的圖像去噪和壓縮[D];哈爾濱工業(yè)大學(xué);2018年

4 李小平;低秩與稀疏正則化在圖像去噪與分割中的建模研究[D];西安電子科技大學(xué);2017年

5 賈西西;面向低層視覺的稀疏低秩模型理論與方法[D];西安電子科技大學(xué);2018年

6 曾武;基于不可分小波的圖像去噪方法研究[D];武漢大學(xué);2013年

7 王偉娜;分塊常值信號和圖像去噪問題的若干研究[D];中國科學(xué)技術(shù)大學(xué);2018年

8 朱立新;基于偏微分方程的圖像去噪和增強研究[D];南京理工大學(xué);2007年

9 李波;基于PDE的圖像去噪、修補及分解研究[D];大連理工大學(xué);2008年

10 祝軒;基于偏微分方程的圖像去噪、修復(fù)及放大研究[D];西北大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 謝鵬;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪研究[D];湘潭大學(xué);2019年

2 李相捧;基于l~q范數(shù)的自適應(yīng)正則化模型去噪算法研究[D];湘潭大學(xué);2019年

3 果實;基于卷積神經(jīng)網(wǎng)絡(luò)的真實相機圖像去噪的研究[D];哈爾濱工業(yè)大學(xué);2019年

4 沈晨;基于壓縮感知的無人機偵察圖像去噪方法研究[D];國防科技大學(xué);2017年

5 蔡明fg;基于FPGA的圖像去噪處理及硬件實現(xiàn)[D];青島大學(xué);2019年

6 李楠;基于深度學(xué)習(xí)的圖像去噪聲方法研究[D];長春理工大學(xué);2019年

7 嚴玉芳;基于低秩張量恢復(fù)的圖像去噪方法[D];溫州大學(xué);2019年

8 張興妥;偏微分方程在圖像去噪中的應(yīng)用研究[D];重慶郵電大學(xué);2018年

9 周敬;水聲圖像去噪方法研究[D];電子科技大學(xué);2019年

10 王樂蓉;圖像去噪的變分引導(dǎo)濾波及其快速算法[D];河南理工大學(xué);2018年

本文編號：2830814