基于小波变换的非局部图像去噪方法研究

摘要

由于拍摄技术、传输设备等外界环境的影响,数字图像往往会引入不同程度的噪声干扰,这会影响到图像的视觉效果和后续图像处理工作的展开。一直以来,图像去噪在图像处理领域占据着重要地位,其根本目的是解决实际图像由于噪声干扰导致的图像质量下降问题。目前,大量的图像去噪方法已经被提出,其中,非局部均值去噪方法因其出色的图像去噪效果,成为众多学者广泛研究的对象。BM3D算法基于图像的非局部相似性,引入协同滤波的概念,进一步改善了图像去噪效果,成为最好的去噪方法之一。
　　本文所做的工作主要包括以下三个内容:
　　(1)提出了一种基于HWD变换的非局部图像去噪算法,该算法根据相似组中图像块所包含的信息特征,为相似组选择适合自身的二维变换,即对平滑均匀的相似组进行小波变换,对具有线奇异性的相似组进行HWD变换。该算法充分利用了小波变换表示点奇异性及HWD变换表示线奇异性的优势,能够得到比较准确的变换域估计系数,提高恢复图像的质量,在去除噪声的同时更好地保持图像的细节信息。
　　(2)提出了一种基于非局部小波系数收缩的图像去噪算法,该算法基于小波域的双L1范数模型,将局部稀疏性约束和非局部稀疏性约束整合到一个框架中,不仅满足相似块对应的小波系数是局部稀疏的,同时也确保这些系数靠近相似组的“中心”,即与真实系数非常接近。该算法能够得到比较准确的小波系数估计值,更好地恢复图像,提高图像的去噪效果。
　　(3)在基于非局部小波系数收缩的图像去噪算法的基础上,对三种非局部小波域收缩模型:L1+L2范数模型、双L1范数模型和非局部L1范数模型进行研究,并分析了它们在估计小波系数时的准确性。实验结果表明,双L1范数模型和非局部L1范数模型均能够得到比较准确的小波系数估计值,具有较好的去噪效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 图像去噪算法的研究现状

1.3 论文的主要工作和安排

第二章 图像去噪的理论基础及经典算法

2.1 图像去噪理论基础

2.2 图像去噪的经典算法

2.3 本章小结

第三章 基于HWD变换的非局部图像去噪算法

3.1引言

3.2 算法思想与基本原理

3.3 算法实现步骤

3.4 实验结果及分析

3.5 本章小结

第四章 基于非局部小波系数收缩的图像去噪算法

4.1 BM3D算法中存在的问题

4.2 非局部小波域的收缩模型

4.3 算法思想和基本原理

4.4 算法实现步骤

4.5 实验结果及分析

4.6 本章小结

第五章 总结与展望

5.1 工作总结

5.2 展望

附录

致谢

参考文献

硕士期间成果