学位论文 > 优秀研究生学位论文题录展示

基于非采样Contourlet与全变差的图像去噪研究

作　者: 林颖
导　师: 陈力
学　校: 汕头大学
专　业: 信号与信息处理
关键词: 图像去噪 非采样Contourlet 全变差 改进的半软阈值法
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 112次
引　用: 1次
阅　读: 论文下载
 

内容摘要


图像去噪是图像恢复领域中的经典课题。图像在其获取和传输的过程中不可避免地会引入噪声,从而引起图像质量的下降。对图像进行去噪,将直接影响到图像的分割、识别等后续处理及应用。近年来,随着一些新兴数学理论的发展和成熟,以及人们对传统理论的重新认识和使用,在图像去噪方面涌现出两大发展主流:一是基于小波变换或多尺度几何分析变换,并采用某种阈值处理算法的变换域图像去噪算法;另一是基于偏微分方程理论的图像去噪法。本文先是介绍多尺度几何分析法,并重点研究了Contourlet变换与非采样Contourlet变换的理论框架及其在图像去噪中的应用,剖析了这些去噪方法存在的优点与不足。并且在分析了硬阈值法、软阈值法、半软阈值法等原有的阈值算法的基础上,提出了一种改进的半软阈值法,该半软阈值法实现简单且效果好,克服了原有半软阈值法过于复杂的缺点,在实验中取得很好的效果。该改进后的半软阈值法能够适用于包括非采样Contourlet变换在内的各种多尺度几何分析法。在此基础上提出了在含噪图像的非采样Contourlet变换域中使用Bayes阈值估算法估算阈值,并使用新的半软阈值法进行阈值处理的图像去噪方法,取得很好的去噪效果。本文还介绍了全变差模型的理论并对其在图像去噪中的应用进行研究。全变差法是基于偏微分方程的变分模型,它是与多尺度几何分析法不同的另一大类图像处理方法。全变差法能在实现平滑噪声的同时保留甚至是增强图像的边缘特征,达到平滑和锐化的平衡,虽然它在去噪时还不能很好地处理孤立噪声,对图像的纹理细节也不能很好的保持,但它却是一种对非纹理图像进行去噪并修复的有用工具。本文利用它的这种特性来对含噪图像作非采样Contourlet变换后的低频分量进行修复,以进一步改善图像质量。

全文目录


摘要  3-4
Abstract  4-7
第一章 绪论  7-16
  1.1 本文的研究意义与课题背景  7-8
  1.2 变换域去噪理论及其发展的简介  8-10
  1.3 基于偏微分方程的变分理论的发展  10
  1.4 噪声来源和噪声特性  10-12
    1.4.1 噪声的来源  10-11
    1.4.2 噪声的特性  11-12
  1.5 图像质量评价方法  12-14
    1.5.1 图像质量的主观评价  13
    1.5.2 图像质量的客观评价  13-14
  1.6 本文的主要工作  14-16
第二章 Contourlet 与非采样 Contourlet 变换  16-36
  2.1 引言  16
  2.2 Contourlet 变换产生的背景  16-19
    2.2.1 多尺度几何分析  16-18
    2.2.2 Contourlet 变换的产生  18-19
  2.3 Contourlet 变换的理论基础  19-31
    2.3.1 离散的Contourlet 变换  19-27
    2.3.2 Contourlet 连续域扩展  27-31
  2.4 非采样Contourlet 变换  31-35
    2.4.1 非采样塔式滤波器组  31-32
    2.4.2 非采样方向滤波器组  32-35
  2.5 小结  35-36
第三章 非采样 Contourlet 变换在图像去噪中的应用  36-52
  3.1 引言  36
  3.2 小波阈值算法  36-43
    3.2.1 阈值的选择  36-39
    3.2.2 阈值的处理方法  39-43
  3.3 基于非采样Contourlet 变换的图像去噪算法  43-50
    3.3.1 改进的半软阈值法  43-45
    3.3.2 基于NSCT 的Bayes 噪声估计和新半软阈值法的去噪  45-50
  3.4 小结  50-52
第四章 基于非采样 Contourlet 变换与全变差的图像去噪  52-65
  4.1 引言  52
  4.2 全变差法理论及应用  52-59
    4.2.1 正则化的图像去噪法  52-54
    4.2.2 基于全变差的图像去噪理论  54-56
    4.2.3 基于全变差的图像去噪的讨论  56-57
    4.2.4 基于全变差模型的去噪仿真  57-59
  4.3 基于非采样Contourlet 变换与全变差的图像去噪算法  59-64
  4.4 小结  64-65
第五章 总结与展望  65-68
  5.1 研究成果总结  65-66
  5.2 本课题研究的展望  66-68
参考文献  68-72
攻读学位期间发表的论文  72-73
致谢  73-74
个人简介  74

相似论文

  1. 医学超声图像去噪方法研究,TP391.41
  2. 轮廓波变换及其在图像处理中的应用,TP391.41
  3. 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
  4. 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
  5. 机器视觉系统中的图像噪声处理算法研究,TP391.41
  6. 基于核回归与非局部方法的图像去噪研究,TP391.41
  7. 航拍图像增强处理与拼接技术实现,TP391.41
  8. Tetrolet稀疏正则化与样本学习的图像超分辨率算法研究,TP391.41
  9. 基于偏微分方程的图像去噪与增强研究,TP391.41
  10. 基于压缩传感的重构算法研究,TN911.7
  11. 求解图像去噪问题的变权重不动点算法研究,O177.91
  12. 超复数稀疏表示及其应用的研究,TP391.41
  13. 基于总体变分法的图像去噪和复原研究,TP391.41
  14. 磁共振图像处理算法的研究,TP391.41
  15. 基于曲波变换与偏微分的图像去噪算法研究,TP391.41
  16. 基于多特征结合与支持向量机集成的噪声检测与图像去噪,TP391.41
  17. 基于小波变换的阈值图像去噪方法,TP391.41
  18. 基于多尺度几何分析的图像融合算法研究,TP391.41
  19. 基于小波变换的图像去噪方法的研究,TP391.41
  20. 基于分数低阶统计量的图像噪声抑制研究,TP391.41
  21. X射线探伤中焊缝缺陷的图像处理与自动识别,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