圖像作為人類獲取視覺信息的一種重要媒介,在醫(yī)療、軍事等領(lǐng)域都扮演著至關(guān)重要的角色.然而在圖像的采集、傳輸?shù)冗^程中,由于設(shè)備及人為等各種因素的影響,圖像經(jīng)常受到噪聲的污染.這些噪聲不但降低了圖像質(zhì)量,而且會影響諸如分割等后續(xù)圖像處理.因此,圖像去噪一直受到國內(nèi)外研究者們的關(guān)注.近年來,研究者們提出了大量基于非局部相似性（NSS）先驗的低秩恢復(fù)去噪算法,然而如何表示圖像的局部結(jié)構(gòu)以及選取相似塊等問題一直是難點也是關(guān)鍵.本文以現(xiàn)有的基于NSS先驗的低秩近似算法為基礎(chǔ),針對上述問題進(jìn)行研究,提出了基于低秩近似的核維納濾波算法和基于奇異值分解的低秩（GMM-LR）算法.具體的研究工作有以下幾個方面:（1）（External patch guided internal clustering for image denoising,PCLR）算法根據(jù)干凈圖像學(xué)習(xí)到的先驗知識引導(dǎo)噪聲塊聚類,形成非局部相似塊,但會使噪聲塊與相似塊混淆.針對這一問題,本文引入核函數(shù)表示圖像的局部復(fù)雜結(jié)構(gòu),通過最小化噪聲圖像和去噪圖像間的均方誤差進(jìn)一步去除噪聲.經(jīng)過實驗驗證,改進(jìn)后的算法具有較好的去噪性能.（2）局部塊匹配... 

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 圖像去噪的國內(nèi)外研究現(xiàn)狀
    1.3 本文工作及內(nèi)容安排
第二章 基于低秩近似恢復(fù)的去噪算法研究
    2.1 相似塊矩陣
    2.2 低秩矩陣恢復(fù)
    2.3 低秩矩陣恢復(fù)主要的優(yōu)化算法
        2.3.1 迭代閾值算法
        2.3.2 加速近端梯度算法
        2.3.3 增廣拉格朗日乘子法
    2.4 空間自適應(yīng)迭代奇異值閾值(SAIST)算法
    2.5 圖像去噪效果的評價標(biāo)準(zhǔn)
        2.5.1 峰值信噪比
        2.5.2 結(jié)構(gòu)相似度
    2.6 本章小結(jié)
第三章 基于非局部自相似性的核維納濾波去噪算法
    3.1 基于非局部自相似性的核維納濾波去噪算法
        3.1.1 高斯混合模型學(xué)習(xí)圖像塊
        3.1.2 算法設(shè)計
    3.2 實驗參數(shù)設(shè)置
    3.3 實驗結(jié)果比較與分析
        3.3.1 視覺效果的比較
        3.3.2 PSNR / SSIM值 的比較
    3.4 本章小結(jié)
第四章基于全局與局部塊匹配的低秩近似去噪算法
    4.1 基于全局與局部塊匹配的低秩近似去噪算法
    4.2 實驗參數(shù)設(shè)置
        4.2.1 λ值的選取
        4.2.2 μ值的選取
        4.2.3 迭代過程的比較
    4.3 實驗結(jié)果
        4.3.1 PSNR/SSIM值的比較
        4.3.2 視覺效果的比較
    4.4 計算復(fù)雜性
    4.5 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間完成的論文



本文編號：3665340