【摘要】：當今時代,信息技術發(fā)展尤為迅速。作為信息科技中重要的一部分,圖像處理技術也獲得了普遍的運用。利用變分法和偏微分方程進行圖像處理是近些年來剛剛興起的新思路,存在著其獨特的優(yōu)勢。然而該方法也同樣存在著某些處理上的不足之處,比如階梯效應問題以及紋理保護問題。非局部變分方法是變分法和偏微分方程圖像處理技術的推廣,在一定程度上解決了階梯效應,并在紋理結(jié)構(gòu)保護方面表現(xiàn)出色。一方面,非局部方法依賴圖像塊之間的接近程度來完成圖像的平滑過程。由于乘性噪聲對圖像巨大的破壞性,很大程度上限制了非局部方法的應用。另一方面,傳統(tǒng)非局部方法中的Gauss核加權(quán)歐氏距離很難應用到乘性噪聲模型中去,這會導致權(quán)函數(shù)與真實值相差甚遠。另外,非局部方法龐大的計算量也是一個制約其發(fā)展的一個因素。本文就以上所說的三個方面,針對非局部變分法在去噪過程中的運用,做了一些工作。首先,本文針對非局部方法的去噪特點和乘性噪聲巨大的破壞性之間的矛盾,提出了一種基于灰度水平的非局部變分模型,用于針對高低不同灰度水平圖像噪聲的去除。該模型能夠很好的去除乘性噪聲的同時又避免產(chǎn)生階梯效應,對紋理保護也有很好的效果。數(shù)值仿真也證實了此方法的去噪成效,在噪聲水平越大時,該方法比其他局部方法有著更強的保持紋理能力。其次,本文針對Gauss濾波作為非局部方法預處理導致的權(quán)函數(shù)計算不精確問題,采用AA模型和基于灰度水平的AA模型代替Gauss濾波,取得了十分不錯的去噪效果,尤其是當噪聲水平不是很高時,AA模型和基于灰度水平的AA模型比Gauss濾波有著不可比擬的優(yōu)勢。最后,本文針對提出的模型分別用傳統(tǒng)梯度下降方法和分裂Bregman迭代分別求解。分裂Bregman算法極大地提高了計算效率,能夠把上數(shù)十上百次的迭代步數(shù)控制在十次以內(nèi),同時又不會影響去噪效果。本文研究了基于非局部變分法的圖像去噪方法,針對乘性噪聲去除,構(gòu)造了基于灰度水平的非局部變分模型。同時改進了非局部方法預處理的去噪模型。最后,提出了模型的快速求解方法。
【圖文】：

圖 2-1 全變分的性質(zhì)-1 可知，三者的光滑性有很大的不同。然而根據(jù)上式，。即若以全變分TV u 用于圖像u 的正則性度量，那么正則性是沒有差別的。所以在求全變分 極小值的處被平滑的情況，也就是在極小化圖像的全變分時，圖

a) 紋理圖像 1 b) 紋理圖像 2 c) Barbara 圖像圖 5-1 實驗所用的三張原始圖像通過實驗結(jié)果可以看出，，基于灰度水平的非局部變分模型和基于 AA 模非局部正則模型處理結(jié)果都要比去除乘性噪聲經(jīng)典模型 AA 模型要好很多僅體現(xiàn)在峰值信噪比這一點，而且視覺效果上本文的方法也好很多。為方
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前2條

1 Xi Rubing;Wang Zhengming;Xie Meihua;Zhao Xia;Wang Weiwei;;A non-local vectorial total variational model for multichannel SAR image speckle suppression[J];Chinese Journal of Aeronautics;2015年03期

2 陳強;鄭鈺輝;孫權(quán)森;夏德深;;片相似性各項異性擴散圖像去噪[J];計算機研究與發(fā)展;2010年01期

本文編號：2565630