基于匹配跟踪和自适应字典的图像去噪算法研究

摘要

图像去噪是图像处理技术中的一个关键性步骤,是图像后续处理的基础。本文提出了一种自适应的图像去噪方法,根据匹配跟踪图像稀疏分解的特点,选择较适合图像稀疏表达的非对称原子库。分析研究图像和噪声在稀疏分解中的不同特性,明确图像信息和噪声的区别。利用图像(或图像残余)和噪声与原子库相干性的不同,区分图像和噪声；以相干比阈值作为提取图像有用信息的结束条件,实现图像与噪声的自适应分离。比较了稀疏分解图像去噪与小波软阈值去噪效果,就视觉效果来看,基于稀疏分解的图像去噪效果要好于小波软阈值的去噪效果。

目录

文摘

英文文摘

第一章 引言

第二章 传统的图像去噪方法

第三章 基于小波变换的图像去噪

第四章 信号的稀疏分解

4. 1 信号表示

4.2 正交分解

4.3 匹配跟踪冗余分解

4.3.1 时频原子的产生

4.3.2 过完备原子库的形成

4.3.3 信号的稀疏分解

4.4 小结

第五章 基于匹配跟踪的自适应图像去噪

5.1 基于匹配跟踪的图像稀疏分解

5.2 基于匹配跟踪的图像去噪

5.2.1 稀疏分解图像去噪原理

5.2.2 图像匹配跟踪去噪中的相干比阈值

5.2.3 重构图像峰值信噪比的变化

5.3 实验结果与分析

5.3.1 影响相干比阈值选择的因素

5.3.2 基于小波和匹配跟踪两种降噪方法的比较

5.4 小结

总结与展望

参考文献

致谢

在学期间发表论文