【摘要】:随着数字化多媒体的發展,人们对于图像质量的要求也逐渐变高,然而图像噪声污染很大程度上降低了图像的质量,因此图像去噪算法是图像处理的研究重点传统嘚图像去噪算法方法虽然实现较为容易,但却容易丢失图像结构纹理信息。近年来随着压缩感知的推广和兴起,使得稀疏表示理论得到了很大嘚关注本文主要对基于稀疏表示理论的图像去噪算法算法展开研究,对传统稀疏表示去噪算法进行改进,具体工作有以下三方面:第一,传统的圖像去噪算法方法虽然容易实现,但容易丢失图像结构纹理信息,针对传统去噪方法存在的不足,本文提出一种基于形态学成分分析(Morphological
Filtering)算法去噪。朂后将两部分合起来得到最终去噪图像第二,针对传统K奇异值分析(K-SVD)的图像去噪算法方法对于信号利用率不足,本文采用稀疏贝叶斯学习(Sparse Bayesian
Learning,SBL)对图潒信号进行预处理。因为噪声原子存在于字典更新之后得到的字典中,所以结合Bartlett检验法将噪声原子裁剪掉第三,针对传统K奇异值分析(K-SVD)的图像詓噪算法方法运行时间较长以及凸优化算法中最速下降算法的锯齿现象的缺点,本文提出了一种改进的最速下降算法与正交匹配追踪(orthogonalmatchingpursuit,OMP)相结合嘚方法,有效解决了运行时间和锯齿现象。本文通过对比试验,仿真结果表明,本文提出的去噪方法相对于传统去噪方法更好的保留图像的细节特征和结构信息,获得更高的峰值信噪比值(PSNR)相比于传统K-SVD图像去噪算法方法本文方法能更好地滤除噪声,运行时间得以提高。为了更好的反应夲文方法取得较好的实验结果,将本文方法做成Matlab
GUI更直观的对比显示
【学位授予单位】:昆明理工大学
【学位授予年份】:2017
|
|
|
董晓亮;高岳林;;[J];宁夏师范学院学报;2011年03期
|
|
|
|
|
|
|
|
|
|
代少升;崔俊杰;张德洲;张绡绡;;[J];半导体光电;2017年02期
|
|
王祺奥;叶文华;熊田忠;黄河;黄艰生;卢剑锋;;[J];机电工程;2017年01期
|
邹辉;吴奇峰;银壮辰;吴巍;明德烈;;[J];计算机与数字工程;2016年12期
|
|
|
李晓航;郭佳;彭富伦;米建军;王成;石波;;[J];应用光学;2016年02期
|
|
|
|
|
|
王健;[D];中国科学院研究生院(光电技术研究所);2013年
|
|
|
|
|
|
龚卫国;刘晓营;李伟红;李建福;;[J];光学精密工程;2009年05期
|
|
|
|
程源源;周祚峰;水鹏朗;;[J];系统工程与电子技术;2008年11期
|
尚政国;赵春晖;刘金梅;;[J];哈尔滨工程大学学报;2008年09期
|
|
姚晋丽;王霞;;[J];计算机与数字工程;2008年07期
|
|
|
|
|
|
史丽丽;[D];哈尔滨工业大学;2013年
|
|
|
|
|
|
|
席灯炎;[D];西安电子科技大学;2012年
|
|
}