基于非局部相似性和稀疏表示的图像去噪技术研究

《基于非局部相似性和稀疏表示的图像去噪技术研究》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、西南科技大学研究生学位论文基于非局部相似性和稀疏表示的图像去噪技术研究年级2013姓名赵井坤申请学位级别硕士专业控制科学与工程指导教师林茂松教授ClassifiedIndex:TP751U.D.C:621.3SouthwestUniversityofScienceandTechnologyMasterDegreeThesisResearchofImageDenoisingbasedonＮolocalＳimilarityandＳpareＲepresentationGrade:2013Candidate:ZhaoJingkunAcademicDegr

2、eeAppliedfor:MasterSpeciality:ControlscienceandEngineeringSupervisor:Prof.LinMaosongMay.20,2016独创性声明本人声明所呈交的论文是我个人在导师指导下进巧的研巧工作及取得的研究成果。尽我所知，，除了文中特别加Ｗ标注和致谢的地方外论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得西南科技大学或一其它教育机构的学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。＾签名曰期：乂

3、＇／关于论文使用和授权的说明本人完全了解西南科技大学有关保留、使用学位论文的规定，即；学校有权保留学位论文的复印件，允许该论文被查阅和借阅；学校可Ｗ公布该论文的全部或部分内容，可Ｗ采用影印、缩印或其他复制手段保存论文。（保密的学位论文在解密后应遵守此规定）＞、＇签名导师签名：＂日期：如《食嫁％６＾西南科技大学硕士研究生学位论文第Ⅰ页摘要图像去噪是以观测到的图像为依据，根据图像本身的先验知识和退化模型来得到反应真实场景的图像，它是保证人们正确理解图像信息的重要手段。根据噪声的来源和污染模型不同，可以将噪声分为多种形式。本

4、文主要研究受高斯噪声和冲击噪声所组成的混合噪声污染的情况。图像的非局部相似性和稀疏性是图像的两种重要的先验知识，本文以变分模型为基础将这两种先验知识结合起来，通过求解变分模型来得到去噪后图像。所做工作如下：1、对高斯噪声、冲击噪声以及混合噪声的形成进行了分析，构建了混合噪声的污染模型。对前人提出的一些经典的去噪算法进行了实验仿真，并对这几种算法的优缺点进行了总结分析。2、详细研究了通过稀疏表示进行图像去噪的原理、模型和算法。将稀疏表示应用于混合噪声的去除中，通过构建有效的训练字典来得到图像的稀疏表示先验，对稀疏模型求解得到去噪图像。3、对于在混合

5、噪声下求取图像的非局部相似性先验进行了研究分析。将非局部相似性用于混合噪声的去除中，对相关算法进行了实验仿真。4、对如何将稀疏表示先验和非局部相似先验融合在一起进行了研究。将两种先验知识融合进变分模型中，对变分模型的数据保真项和正则项进行优化设计，求解变分模型可以得到稀疏表示系数，最终得到效果较为理想的去噪图像。关键词：图像去噪混合噪声非局部相似稀疏表示变分模型西南科技大学硕士研究生学位论文第Ⅱ页AbstractImagedenoisingistoobtaintheoriginalimageoftherealscenebasedontheprio

6、rknowledgeandthedegradationmodeloftheimageitself.Itisanimportantmeanstoensurethatpeoplecanunderstandtheimageinformation.Accordingtodifferentsourceofnoiseandpollutionmodels,noisecanbedividedintovariousforms.Inthispaper,wemainlystudythemixednoisepollutionoftheGaussiannoiseandim

7、pulsenoise.Thesparsityandnonlocalsimilarityaretwoimportantpriorknowledgeoftheimage.Inthispaper,wecombinethetwokindsofknowledgewiththevariationalmodal,andthengetthedenoisedimagebysolvingthevariationalmodel.Themainworkisasfollows:1、WeanalyzethemodelofGaussiannoise、implusenoisea

8、ndthemixednoise.Studyonsimulationofsuperdenoisingalgorithmpreviously