基于小波變換的非局部圖像去噪方法研究.pdf

1、由于拍攝技術(shù)、傳輸設(shè)備等外界環(huán)境的影響,數(shù)字圖像往往會(huì)引入不同程度的噪聲干擾,這會(huì)影響到圖像的視覺效果和后續(xù)圖像處理工作的展開。一直以來,圖像去噪在圖像處理領(lǐng)域占據(jù)著重要地位,其根本目的是解決實(shí)際圖像由于噪聲干擾導(dǎo)致的圖像質(zhì)量下降問題。目前,大量的圖像去噪方法已經(jīng)被提出,其中,非局部均值去噪方法因其出色的圖像去噪效果,成為眾多學(xué)者廣泛研究的對(duì)象。BM3D算法基于圖像的非局部相似性,引入?yún)f(xié)同濾波的概念,進(jìn)一步改善了圖像去噪效果,成為最好的

2、去噪方法之一。
　　本文所做的工作主要包括以下三個(gè)內(nèi)容:
　　(1)提出了一種基于HWD變換的非局部圖像去噪算法,該算法根據(jù)相似組中圖像塊所包含的信息特征,為相似組選擇適合自身的二維變換,即對(duì)平滑均勻的相似組進(jìn)行小波變換,對(duì)具有線奇異性的相似組進(jìn)行HWD變換。該算法充分利用了小波變換表示點(diǎn)奇異性及HWD變換表示線奇異性的優(yōu)勢(shì),能夠得到比較準(zhǔn)確的變換域估計(jì)系數(shù),提高恢復(fù)圖像的質(zhì)量,在去除噪聲的同時(shí)更好地保持圖像的細(xì)節(jié)信息。

3、r>　　(2)提出了一種基于非局部小波系數(shù)收縮的圖像去噪算法,該算法基于小波域的雙L1范數(shù)模型,將局部稀疏性約束和非局部稀疏性約束整合到一個(gè)框架中,不僅滿足相似塊對(duì)應(yīng)的小波系數(shù)是局部稀疏的,同時(shí)也確保這些系數(shù)靠近相似組的“中心”,即與真實(shí)系數(shù)非常接近。該算法能夠得到比較準(zhǔn)確的小波系數(shù)估計(jì)值,更好地恢復(fù)圖像,提高圖像的去噪效果。
　　(3)在基于非局部小波系數(shù)收縮的圖像去噪算法的基礎(chǔ)上,對(duì)三種非局部小波域收縮模型:L1+L2范數(shù)模型