学位论文 > 优秀研究生学位论文题录展示

图像椒盐噪声及高斯噪声去噪方法研究

作　者: 王晓凯
导　师: 李锋
学　校: 复旦大学
专　业: 电路与系统
关键词: 图像去噪 脉冲噪声 高斯噪声 中值滤波 独立分量分析 稀疏编码 多项式拟合
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 475次
引　用: 1次
阅　读: 论文下载
 

内容摘要


图像噪声,就是妨碍人的视觉感知,或是干扰传感器接受图像源信息,导致理解和分析误差,也可以理解为真实信号与理想信号之间存在的偏差。噪声一般是不可预测的随机信号,通常采用概率统计方法对其进行分析。噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程。在图像处理中,输入图像噪声的抑制是十分关键的问题。若输入伴有较大的噪声,必然影响处理全过程及输出的结果。从噪声的分类方法来看是多种多样的。但综合来说,噪声是随机产生的量,所以可以从统计数学的观点来定义噪声。各种类型的噪声反映在图像画面上,大致可以分为两种类型：椒盐噪声和高斯噪声。本文首先描述了图像的退化模型,对椒盐噪声和高斯噪声进行了介绍。接着详细的介绍了图像去噪的两类方法：空域滤波去噪和频域滤波去噪。同时对常用去噪效果的评价方法进行了介绍。本文主要分三个部分。在第一部分,首先介绍了去除椒盐噪声一些常用的方法。接着结合均值滤波和自适应中值滤波两者的优点,提出了改进的自适应中值滤波算法。实验结果表明,该算法能够有效的消除被污染图像中的高密度脉冲噪声,并较好的保留原始图像细节和边缘。在第二部分,介绍了独立分量分析,为第三部分的稀疏编码作好理论铺垫,并且提出了可调速率相对梯度算法。在独立分量分析的相对梯度算法中,要取得较好的效果,选取合适的学习速率是至关重要的。本文提出了一种可调速率的相对梯度算法,随着迭代次数的变化,使相对梯度算法的学习速率作相应变化,从而较好地解决了收敛速度与稳定性的矛盾。将这个方法应用于盲信号分离,实验结果表明,该算法具有较好的性能。在第三部分,首先介绍了去除高斯噪声的维纳滤波法,接着利用独立分量分析的方法对高斯噪声进行去噪,提出了基于多项式拟合的稀疏编码图像去噪方法。在稀疏编码中,数据向量用一组基向量来表示。对于每一个数据向量,仅有一小部分的基向量同时被激活。对图像数据稀疏编码后的系数进行收缩处理,具有较好的去噪效果。本文通过多项式拟合的方法来获得稀疏码去噪中的收缩函数,获得了较好的效果。

全文目录


摘要  6-8
Abstract  8-10
引言  10-12
第1章 绪论  12-20
  1.1 研究背景  12
  1.2 图像退化模型  12-13
  1.3 噪声模型  13-15
    1.3.1 高斯噪声  13-14
    1.3.2 脉冲噪声  14-15
  1.4 图像去噪  15-17
    1.4.1 空域滤波去噪  15-16
    1.4.2 频域滤波去噪  16-17
  1.5 去噪效果评价  17-19
  1.6 本文主要工作  19-20
第2章 改进的自适应中值滤波  20-36
  2.1 椒盐噪声去噪方法概述  20-24
    2.1.1 均值滤波器  20-22
    2.1.2 顺序统计滤波器  22-23
    2.1.3 自适应滤波器  23-24
  2.2 自适应中值滤波  24-26
  2.3 改进的自适应中值滤波  26-29
    2.3.1 自适应窗口的改进  26-27
    2.3.2 结合均值滤波  27-28
    2.3.3 算法流程  28-29
  2.4 仿真实验及结果分析  29-35
  2.5 小结  35-36
第3章 独立分量分析可调速率算法  36-48
  3.1 ICA的基本概念  37-38
  3.2 ICA的目标函数  38-40
    3.2.1 预备知识  38-40
    3.2.2 最大似然目标函数  40
  3.3 独立分量分析常用算法  40-42
    3.3.1 相对梯度算法  40-41
    3.3.2 固定点算法  41-42
  3.4 可调速率相对梯度学习算法  42-45
    3.4.1 算法介绍  42-44
    3.4.2 仿真实验和结果分析  44-45
    3.4.3 小结  45
  3.5 独立分量分析在图像处理中的应用  45-47
    3.5.1 医学图像处理  46
    3.5.2 图像特征提取  46
    3.5.3 图像去噪  46
    3.5.4 其他图像处理应用  46-47
  3.6 小结  47-48
第4章 稀疏码收缩去噪  48-60
  4.1 高斯噪声去噪方法概述  48-51
    4.1.1 维纳滤波去噪  48-51
    4.1.2 稀疏码收缩去噪简介  51
  4.2 图像稀疏分解  51-52
  4.3 基于多项式拟合的稀疏编码收缩  52-55
  4.4 仿真实验和结果分析  55-59
    4.4.1 获取初始输入数据  55-56
    4.4.2 获取基向量  56
    4.4.3 去噪  56-59
  4.5 小结  59-60
第5章 结论和展望  60-62
  5.1 图像去噪研究工作总结  60-61
  5.2 尚存问题及展望  61-62
参考文献  62-66
致谢  66-67
硕士期间发表论文  67-68

相似论文

  1. 基于FPGA的高速图像预处理技术的研究,TP391.41
  2. 图像的稀疏表示及编码模型研究,TP391.41
  3. 医学超声图像去噪方法研究,TP391.41
  4. 轮廓波变换及其在图像处理中的应用,TP391.41
  5. 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
  6. 数码相机中Bayer格式数字图像的降噪与颜色插值算法的研究,TP391.41
  7. 机器视觉系统中的图像噪声处理算法研究,TP391.41
  8. 基于核回归与非局部方法的图像去噪研究,TP391.41
  9. 基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
  10. 面向图像表达的非负局部坐标分解算法,TP391.41
  11. 基于稀疏非负矩阵分解的图像检索,TP391.41
  12. 罐底腐蚀声发射信号降噪研究,TH878
  13. 一维脉冲激光雷达回波信号发生器的设计,TN958.98
  14. 航拍图像增强处理与拼接技术实现,TP391.41
  15. Tetrolet稀疏正则化与样本学习的图像超分辨率算法研究,TP391.41
  16. 基于图的彩色图像目标分割算法研究,TP391.41
  17. 基于偏微分方程的图像去噪与增强研究,TP391.41
  18. 用于金属磨粒检测系统的噪声消除算法研究,TP391.41
  19. 基于稀疏编码与机器学习的图像内容识别算法研究,TP391.41
  20. 求解图像去噪问题的变权重不动点算法研究,O177.91
  21. 基于气味分析的设备异常检测方法研究,TB17

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com