基于非局部的图像恢复算法研究

摘要

图像恢复是数字图像处理中的经典问题，近十几年来，图像非局部的信息一直受到国内外学者的关注，基于非局部的图像处理算法层出不穷，图像非局部的算法已经广泛应用于图像恢复领域，并且取得了很好的成果。本文在已有的图像非局部算法的基础上，结合图像稀疏表示和低秩逼近算法，改进了去噪模型，增强算法的去噪能力，提高恢复图像的视觉质量。
　　本研究主要内容包括：⑴针对加性高斯白噪声，结合非局部稀疏表示和基于组的稀疏表示，提出了新的去噪模型。新模型以组为基本稀疏单位，先从清晰的自然图像中训练组字典，再通过低秩方法得到组的非局部估计，最后利用阈值迭代法求解新模型。仿真实验表明，新算法不仅提高了图像的峰值信噪比和结构相似度，而且能够减少恢复图像中的伪迹，更好的保留图像的重要特征，提高图像的视觉效果。⑵针对去除服从伽马分布的乘性噪声，先用对数变换将图像转换到对数域，再将图像分块并且按照相似度分组，然后用自适应非局部样本模型和低秩逼近处理，最后用交替迭代法得到恢复图像并且将图像还原到实数域。实验结果表明，该算法对乘性噪声有较好的鲁棒性，与对比算法相比，不仅有很好的峰值信噪比和结构相似度，还改善了图像的视觉质量。

目录

第一章 绪论

§1.1 研究背景和意义

§1.2 国内外研究现状和发展态势

§1.3 本文的主要工作和安排

第二章 图像处理基础理论及数学方法

§2.1图像恢复模型

§2.2数学基础和求解方法

§2.3图像质量评价标准

§2.4本章小结

第三章 基于组的非局部稀疏表示图像去噪模型

§3.1引言

§3.2 相关工作

§3.3 新模型

§3.4 实验仿真及结果分析

§3.5 本章小结

第四章 基于非局部和低秩去除图像乘性噪声模型

§4.1引言

§4.2相关工作介绍

§4.3基于非局部和低秩去除图像乘性噪声模型

§4.4数值实验结果和分析

§4.5本章小结

第五章 总结和展望

§5.1论文工作

§5.2未来的展望

参考文献

致谢

作者在攻读硕士期间的主要研究成果