圖像去噪與恢復(fù).pdf

1、隨著現(xiàn)代科技的迅猛發(fā)展,數(shù)字圖像處理技術(shù)已經(jīng)廣泛應(yīng)用到人們生活的各個(gè)領(lǐng)域.圖像在成像、存儲(chǔ)、傳輸過(guò)程受到各種噪聲干擾導(dǎo)致圖像質(zhì)量降低.因此,圖像去噪是圖像預(yù)處理的主要任務(wù)之一.其意義在于有效提高人類視覺(jué)識(shí)別圖像信息的準(zhǔn)確性,為后續(xù)圖像處理提供可靠保證.本文著重研究椒鹽噪音和高斯噪音圖像去噪算法.
　　針對(duì)椒鹽噪音,提出基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的自適應(yīng)去噪算法.該方法對(duì)細(xì)節(jié)較多和細(xì)節(jié)較少的圖像分別根據(jù)圖像子塊的噪音污染程度、紋理復(fù)雜度自

2、適應(yīng)調(diào)整鄰域大小,然后在確定鄰域內(nèi)利用脈沖耦合神經(jīng)網(wǎng)絡(luò)檢測(cè)并平滑噪音.經(jīng)典圖像仿真實(shí)驗(yàn)結(jié)果表明,與中值濾波和脈沖耦合神經(jīng)網(wǎng)絡(luò)去噪算法相比,該算法在平滑噪音和保留細(xì)節(jié)方面有明顯優(yōu)勢(shì).此外,該算法應(yīng)用到實(shí)際自帶噪音圖像,得到較好的恢復(fù)效果,驗(yàn)證了該算法的實(shí)用性.
　　針對(duì)高斯噪音,提出一種新的基于自適應(yīng)原子庫(kù)的稀疏表示去噪算法.該方法通過(guò)對(duì)全部相似子塊自適應(yīng)訓(xùn)練子原子庫(kù)實(shí)現(xiàn)圖像稀疏表示.首先利用全局分析方法確定信號(hào)子空間.然后通過(guò)統(tǒng)計(jì)