基于变分模型的图像去噪算法研究

基于变分模型的图像去噪算法研究

ID:35062531

大小:7.10 MB

页数:79页

时间:2019-03-17

基于变分模型的图像去噪算法研究_第1页
基于变分模型的图像去噪算法研究_第2页
基于变分模型的图像去噪算法研究_第3页
基于变分模型的图像去噪算法研究_第4页
基于变分模型的图像去噪算法研究_第5页
资源描述:

《基于变分模型的图像去噪算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、’'戦甲琴夺留钟違若来大赛UniversitofScienceandTechnologyofChinay硕±学位论文X'Teand戀^^;^續论文题目基子吏分摸型的固像去噪鼻法研堯作者姓名陈—姻学科专业信息与逍信工程?导师姓名十中付敎援師___、中通种《技禾乂營硕±学位论文馨基于变分模型的图像去噪算法硏究一作者姓名:陈姐学科专业:信息与通信工程导师姓名:叶中付教授二0—完成时间:六年五月八日

2、UniversitfScyoienceandTechnologyofChinaA’dissertationformastersdereeg儀ResearchonthealicationofppvariationalmodelfortheimaegdenosingA'uthorsName:YiieChenjSpeciality;InformationandCommunicationEngineeringSuervisor:Prof.Zho

3、nfuYepg化FinishedTime:May8,2016中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文.是本人在导师指导下进行研巧工作所取得的成果。除己特别加标注和致谢的地方外,论文中不包含任何他人己经发表或撰写过的研究成果一。与我同工作的同志对本研巧所做的贡献均己在论文中作了明确的说明。■作者签名:、签字日期巧诚:中国科学技术大学学位论文授权使用声明一作为申请学位的条件之,学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权,即:学校有权按有

4、关规定向国家有关部口或机构送交论文的复印件和电子版,允许论文被查阅和借阅,可W将学位论文编入《中国学位论文全文数据库》等有关数据库进行检索.可W采用影印、缩印或妇描等复制一致手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相。保密的学位论文在解密后也遵守此规定。\开□保密()^__年作者签名-:巧、喃导师签名:签字日期-:>〇lL签字日期:kAv摘要巧要一数字图像作为记录,逐渐在人类生活中扮演着、传输和存储信息的种载体,己经被广泛应用于各个领域越来越

5、重要的角色,比如:地质勘探、国防安全、一农林渔业,经些外、科学研巧等等。然而,图像在获取和处理的过程中常受到一在噪声的干扰,阻碍了人们对图像中有用信息的提取。因此,作为种重要的前端技术,图像去噪对后续图像处理至关重要,它能够保障人们正确理解图像中所蕴含的信息并更准确地获取其中的有效信息。图像去噪是根据图像退化模型W及对图像本身先验信息的理解,将含噪图像还原到能够反映客观世界的原始图像的过程。建立合理的变分模型是图像去噪的一有效途径之,图像的先验信息可用凸约束的形式被应用于变分模型的构建之中

6、,。同时,近些年随着变分模型求解算法的蓬勃发展为变分模型的研巧提供了,强有力的支持。本论文充分巧掘图像的多个先验信息如分段光滑性、变换域和基于过完备字典的表示系数是稀疏的,图像的低秩特性,针对图像去噪问题进行了深入研究,主要工作如下:1.针对去除图像中的高斯噪声,提出自适应加权的四个方向的全变分模型。一,二,平滑区传统的全变分模型具有W下H个不足:第纹理区域易过平滑;第域容易产生阶梯效应;第H.用来权衡规则项和平滑项的参数依赖于图像特征,一因此选择合适的参数具有定的难度,提出自。本文针对全

7、变分模型W上的不足一适应加权的四个方向的全变分模型。首先对每个像素点设计自适应的权衡参,数,使得参数在平滑区域较小数据保真项起主要作用;参数在特殊区域(包括)纹理,边缘W及噪声点较大,正则项起主要作用。其次设计四个方向的权重矩阵。最后改进快速,分别从水平、垂直及两对角线方向来约束相邻像素的差异。梯度迭代法来最小化提出的变分模型,从而巧得去噪后的图像受益于自适应权一些改进的全变分模型其恢衡参数W及权重矩阵,提出的模型相对于近些年来的复效果有明显的提高。自适应加权的四个方向的全变分模型能够在去除噪声的

8、同时。,更好地保护困像的纹理和边缘2.针对去除髙光谱图巧中的混合噪声,构建了基于稀疏表示和低秩特性的变。分模型。首先利用髙光谱图巧在空间域和谱间域具有低秩性,求解其低秩结果其次利用髙光谱国巧可W被过完备冗余字典巧疏表示,但由于冲击巧声的不良影咱,不能很好地训练过完备字典,所W我们需要事先对髙光谱围

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。