圖像去噪在圖像處理過程中起著舉足輕重的作用,作為一種重要的預處理技術(shù),好的去噪效果直接決定后續(xù)工作的有效性.近年來,以全變分作為先驗信息進行圖像去噪的方法得到了廣泛的研究.然而,這種先驗信息不足以從不完全觀測數(shù)據(jù)中恢復出令人滿意的復原圖像,從而導致復原圖像達不到后續(xù)處理的要求.在眾多去噪問題中,椒鹽噪聲去除問題是一個重要的研究課題.針對該類噪聲的去除,本文主要創(chuàng)新如下:·針對現(xiàn)有去噪模型不能很好地刻畫圖像的局部特征這一問題,本文提出一種新型的基于各向異性全變分和核范數(shù)正則化的去噪模型.在全變分正則化項中,通過引入加權(quán)矩陣T來懲罰梯度算子的方向,使其趨于更大的權(quán)重,從而達到有效刻畫圖像局部特征的目的.另外,在模型中通過引入核范數(shù)正則化來進一步刻畫圖像的低秩屬性.·考慮到圖像矩陣奇異值與噪聲強度之間的關(guān)系以及高階全變分能夠有效地消除階梯效應(yīng)這一特點,本文提出一種新的基于高階全變分和核范數(shù)正則化的去噪模型.該模型不僅具有高階全變分模型保持圖像平滑區(qū)域的優(yōu)勢,同時具有低秩表示模型刻畫圖像細節(jié)信息的性能,因此能有效地保持復原圖像的細節(jié)信息和結(jié)構(gòu)信息.·由于所提模型是具有可分性的非光滑凸優(yōu)化問題,... 

【文章來源】：河南大學河南省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    §1.1 研究背景
    §1.2 圖像去椒鹽噪聲的方法綜述與現(xiàn)狀
    §1.3 本文工作研究與結(jié)構(gòu)安排
第二章 基于圖像去噪的理論知識
    §2.1 預備知識
    §2.2 基本去椒鹽噪聲的模型
    §2.3 優(yōu)化算法
第三章 基于各向異性全變分和核范數(shù)正則化的去噪模型
    §3.1 模型導入
    §3.2 求解算法與收斂性分析
    §3.3 實驗設(shè)置
    §3.4 實驗結(jié)果與分析
第四章 基于高階全變分和核范數(shù)正則化的去噪模型
    §4.1 模型導入
    §4.2 求解算法與收斂性分析
    §4.3 實驗設(shè)置
    §4.4 實驗結(jié)果與分析
第五章 總結(jié)與展望
參考文獻
致謝
攻讀碩士學位期間撰寫的學術(shù)論文
攻讀碩士學位期間科研項目及獲獎情況



本文編號：3139862