学位论文 > 优秀研究生学位论文题录展示
基于非采样Contourlet变换与小波变换的图像去噪方法研究
作 者: 安艳萍
导 师: 龚劬
学 校: 重庆大学
专 业: 计算数学
关键词: 图像去噪 小波变换 非采样Contourlet变换(NSCT) 含噪图像区域分割 高斯尺度混合模型(GSM模型)
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 203次
引 用: 1次
阅 读: 论文下载
内容摘要
论文主要研究了基于多尺度的非采样Contourlet变换(NonSubsampled Contourlet Transform,简称NSCT)与小波变换(Wavelet Transform)相结合的图像去噪方法。小波变换具有各向同性,能很好刻画图像中点的奇异性,NSCT具有各向异性且多方向性的优点,对图像具有最优的表示能力,能很好刻画图像中直线与曲线的奇异性。论文研究的目的是发挥NSCT和小波变换各自的优点,开发出去噪效果优良,不仅具有较高信噪比、还可以很好保留图像边缘纹理信息的去噪方法。论文的主要研究内容如下:①简单介绍了多尺度几何分析理论的发展,及多尺度分解与小波变换在图像去噪中的应用,并详细介绍了小波变换、Contourlet变换、NSCT变换的一般原理。②根据含噪图像噪声方差的特点,得到了含噪图像的平滑区域与纹理区域的分割方法。结合各种变换图像去噪方法的优点,提出了几种基于图像区域分割的图像去噪方法:基于区域分割的小波去噪方法、基于区域分割的Wavelet与Contourlet变换相结合的图像去噪方法、基于区域分割的具有平移不变性Wavelet与NonSubsample-Contourlet变换相结合的图像去噪方法。③介绍了高斯尺度混合模型(Gaussian Scale Mixture, GSM模型),基于小波变换的GSM模型去噪具有很好的去噪效果。利用高斯尺度混合模型来描述NSCT系数的特性,并用贝叶斯最小二乘估计来估计待恢复图像的NSCT系数,实验表明该方法去噪时能更好保留图像纹理信息和获得更高峰值信噪比。为验证本文方法的有效性和优越性,对不同图像进行了去噪实验。实验结果表明,本文提出的方法不论是视觉效果上还是客观评价指标上都优于单独的基于小波变换、具有平移不变性的小波变换、Contourlet变换、非采样Contourlet变换等去噪方法。基于NSCT的GSM模型去噪方法优于基于小波变换的GSM模型去噪方法。
|
全文目录
中文摘要 3-4 英文摘要 4-8 1 绪论 8-13 1.1 研究背景及意义 8 1.2 国内外研究现状 8-12 1.2.1 直接对图像去噪方法 9 1.2.2 图像变换域去噪方法 9-12 1.3 主要研究内容 12 1.4 本论文的结构安排 12-13 2 小波变换基本原理 13-23 2.1 引言 13 2.2 小波变换的基本原理 13-18 2.2.1 连续小波变换 15-16 2.2.2 离散小波变换 16-17 2.2.3 二进小波变换 17-18 2.3 多分辨分析 18-20 2.4 Mallat 算法 20-22 2.4.1 一维Mallat 算法 20-21 2.4.2 二维Mallat 算法 21-22 2.5 本章小结 22-23 3 非采样 Contourlet 变换的基本原理 23-31 3.1 引言 23-25 3.2 Contourlet 变换的基本原理 25-27 3.3 非采样Contourlet 变换(NSCT) 27-30 3.4 本章小结 30-31 4 基于区域分割的图像去噪方法 31-46 4.1 引言 31 4.2 含噪图像区域分割的方法 31-34 4.2.1 含噪图像区域分割的方法 31-32 4.2.2 实验结果 32-34 4.3 基于区域分割的小波去噪方法 34-40 4.3.1 具有平移不变性的小波变换(Linear Shift Invariant Discrete Wavelet Transform)阈值去噪方法 34-35 4.3.2 NeighShrink_SURE 去噪方法 35-37 4.3.3 基于图像区域分割的小波去噪方法 37 4.3.4 实验结果 37-40 4.4 基于区域分割的Wavelet 与Contourlet 变换相结合的图像去噪方法 40-42 4.4.1 contourlet 阈值去噪方法 40 4.4.2 实验结果 40-42 4.5 基于区域分割的LSI_ Wavelet 与NSCT 变换相结合的图像去噪方法 42-45 4.5.1 NSCT 变换阈值去噪方法 42-43 4.5.2 实验结果 43-45 4.6 本章小结 45-46 5 基于高斯尺度混合模型的 NSCT 变换图像去噪方法 46-53 5.1 引言 46 5.2 基于高斯尺度混合模型的贝叶斯最小二乘估计 46-49 5.2.1 高斯尺度混合模型(GSM) 46-47 5.2.2 贝叶斯最小二乘估计 47-49 5.3 基于高斯尺度混合模型的NSCT 变换图像去噪方法 49-50 5.4 实验结果 50-52 5.5 本章总结 52-53 6 总结与展望 53-55 6.1 结论 53-54 6.2 展望 54-55 致谢 55-56 参考文献 56-60 附录 60 作者在攻读学位期间发表论文 60
|
相似论文
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 医学超声图像去噪方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 基于多尺度分析的图像融合算法研究,TP391.41
- 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
- 轮廓波变换及其在图像处理中的应用,TP391.41
- 基于小波的雷达视频压缩方法研究,TN957.52
- 脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
- 一种多数据流聚类异常检测算法,TP311.13
- 基于图像的信息隐藏技术研究,TP309.7
- 基于DM6446与小波的图像压缩系统设计与实现,TP391.41
- 结合DWT的动态数据校正研究及应用,TP274
- 基于小波变换和马尔可夫链的流量预测模型,TP393.06
- 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
- 基于离散小波变换的图像水印算法研究,TP309.7
- 脑部CT图像的压缩应用,TP391.41
- 一类工具加工痕迹的检验识别,TP391.41
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
|