图像高斯噪声及椒盐噪声去噪算法研究-电路与系统专业论文.docx

复口.人学硕十学位论文目录摘胃A bstract5第一m71.1数字图像处理概述71.2图像去噪研究背景81.3噪声的分类81.3.1高斯噪声91.3.2椒盐噪声91.4去噪方法与去噪模型01.4.1去噪方法01.4.2 去噪模型11.5 图像去噪效果评价21.6本文的主要研究工作第2章基于多项式拟合的稀疏编码图像去噪兑法.....42.1稀疏编码简介42.1.1稀疏编码理论基础42.1.2 稀疏编码的应用52.2 稀疏编码用于图像去噪52.2.1独立分量分析基础62.2.2 传统的稀疏编码去噪过程72.3 基于多项式拟合的系数编码去噪算法实现..82.3.1算法简介92.3.2 算法实现92.4 实验结果212.5 小结24第三章变分偏微分方程法去噪基础253.1研究背景和发展253.1.1研究背景253.1.2 偏微分方程法的发展263.2 偏微分去噪方法数学基础263.2.1基于偏微分方程的图像去噪方法分类263.2.2变分法去噪模型273.3 基于变分法的椒盐噪声去除算法2 73..3.1算法简介273.3.2 偏微分方程数值解293.3.3 实验结果323.4 小结3 7第四章改进的变分自适应中值滤波算法384.1背景介绍384.1.1椒盐噪声模型384.1.2 椒盐噪声去噪算法发展38fiu人学她I:学位论义4.2 改进的自适应中值滤波394.3 改进的变分自适应中值滤波414.3.1算法思想414.3.2 兑法实现414.3.3 实验结果424.4 小结45第五章总结与展望465.1本文算法总结465.2 尚存问题与展望46参考文献48細52硕士期间发表论文53复R人学垧I:学位论义摘要图像去噪是数字图像处理领域的l?个研究热点，相应地提出过很多去噪的模型和算法。随着计算机技术的发展，阁像去噪问题得到了越來越多的关注和研究，主要的去噪方法分为如下三类：基于概率统计模型的方法、基于变分和偏微分方程的方法以及基于傅里叶与小波变换的方法。根据图像和噪声的关系，噪声主要分为加性噪声和乘性噪声，本文主要针对图像中的加性噪声分别釆用概率统计模型的方法和变分的方法进行去噪。第一章主要介绍了图像去噪领域的研究背景及噪声的分类和模型，并且给出了评价去噪效果的主观和荠观标准。本章简单介绍了该领域常用的i;?噪方法和理论，给出了几类搖于不同标准的噪声分类方法。第二章介绍了基于多项式拟合的稀疏编码图像去噪算法，给出了稀疏编码的理论基础及其应用，简要回顾了稀疏编码用于图像去噪的发展。介绍了经典的基于最大似然估计的稀疏编码去噪算法，并指出了其中存在的不足。本章针对传统稀疏编码去噪算法无法根据图像数据特点决定稀疏系数的概率密度函数的问题提出了基于多项式拟合的稀疏编码图像去噪算法。仿真实验证明了所提出算法的有效性，并在去噪效果上要优于最大似然估计。第三章介绍了基于偏微分方程和变分法的图像去噪算法。该方法利用连续域的思想来处理离散的数字图像，首先对需要去噪的图像建立能量函数，并通过极小化该能量函数达到对图像去噪的目的。由于偏微分方程本身具有很好的数学分析的基础，从而使得该去噪算法在求解的过程中具备了严谨的理论依据，同时该方法在去噪的过程中能够很好得保护图像的边缘和细节信息。仿真实验表明，该方法在去除低密度椒盐噪声污染的图像时具有良好的性能。但是，当图像噪声密度很大时去噪性能出现了明显的下降，这为我们提出改进的算法提供了思路。第四章介绍了改进的变分自适应中值滤波算法。本章结合改进的自适应中值滤波和变分滤波，提出了一种新的去除椒盐噪声的两阶段方法。首先，利用改进的自适应中值滤波优良的噪点鉴别能力，将一幅被污染的图像的所有像素点分为被污染像素点集合和未被污染的像素点集合，并对被污染的像素点采用改进的自适应中值滤波的方法进行恢复；然后，利用第三章中给出的变分滤波的方法对上一阶段被鉴别为噪点的像素值进行恢复。此两阶段方法可以很好得避免改进的自适应中值滤波和变分滤波各自的缺点，并充分发挥了他们各自的优点，可谓取长补短。第五章总结了上述的去噪算法的优缺点及去噪的性能，并对未来的科研方向提出了一些想法。复口.人学她丨：学位论义关键词：图像处理、图像去噪、高斯噪声、椒盐噪声、稀疏编码、多项式拟合、变分滤波、边缘保持势函数、卜丨适应屮值滤波中图分类号：TN 9112U 口.人学她I:学位论文A bstra ctImagedenoisingisahotresearchtopicinthefieldofdigitalimageprocessing,andalotofmodelsandalgorithmsofdenoisinghavebeenproposed.Inhumanhistory，atestimonytotheireraimagedenoisinghassucha