基于區(qū)域劃分的稀疏表示去噪算法研究.pdf

1、在數(shù)字圖像處理中圖像去噪一直是一個(gè)重要的研究方面，近幾年稀疏表示理論是研究熱點(diǎn)之一。通過(guò)選擇或者設(shè)計(jì)合適的超完備字典，稀疏表示可以有效地提取圖像中主要特征，盡可能用簡(jiǎn)便的方式表示圖像。傳統(tǒng)的圖像去噪將圖像投影到某個(gè)變換域中，在變換域中將信號(hào)和噪聲進(jìn)行分離。然而圖像在變換域中，信號(hào)和噪聲并不能完全分離，所以對(duì)圖像進(jìn)行去噪時(shí)對(duì)原始圖像信息會(huì)有損傷，用基于稀疏表示的方法進(jìn)行圖像去噪，噪聲不是信號(hào)中稀疏成分，所以可以將信號(hào)與噪聲進(jìn)行分離。本文主

2、要工作包括:
　　(1)基于K-SVD學(xué)習(xí)型字典的去噪算法研究
　　分析傳統(tǒng)去噪基本思想和算法，進(jìn)行高斯濾波、雙邊濾波、維納濾波、非局部去噪(Non-local Means，NLM)等傳統(tǒng)去噪方法實(shí)驗(yàn)。研究了稀疏表示相關(guān)理論和稀疏去噪的基本模型，分析稀疏分解和字典學(xué)習(xí)兩個(gè)環(huán)節(jié)。在圖像去噪中，相對(duì)于傳統(tǒng)的字典，K-奇異值分解(K-Singular Value Decomposition，K-SVD)學(xué)習(xí)型字典通過(guò)機(jī)器學(xué)習(xí)獲得，

3、包含圖像的自有特征，去噪效果更好。實(shí)驗(yàn)結(jié)果表明自適應(yīng)字典去噪效果一般情況下比離散余弦變換(Discrete Cosine Transform，DCT)字典，全局字典(Global Dictionary，GD)要好。
　　(2)給出了一種基于區(qū)域劃分的稀疏表示去噪算法
　　針對(duì)一幅自然圖像中既包含非平滑區(qū)域，又包含平滑區(qū)域，本文給出基于區(qū)域劃分的稀疏表示去噪算法。首先通過(guò)研究，發(fā)現(xiàn)基于不同的稀疏表示去噪算法對(duì)同一幅圖像不同類型

4、區(qū)域的去噪效果不同，得知不同的算法針對(duì)不同的區(qū)域有不同的去噪效果，然后采用圖像邊緣信息測(cè)度中的方向性信息測(cè)度，將一幅圖像劃分為非平滑區(qū)域和平滑區(qū)域兩部分，結(jié)合不同的稀疏表示去噪算法，恢復(fù)原始的圖像。實(shí)驗(yàn)結(jié)果表明，本文算法要好于單獨(dú)使用同一種稀疏表示去噪算法。
　　(3)給出了一種改進(jìn)聚類特征CSR去噪算法
　　本文給出了一種改進(jìn)基于聚類稀疏表示去噪算法。在常規(guī)的基于聚類稀疏表示(Clustering-based Sparse

5、 Representation，CSR)去噪算法的字典獲取過(guò)程中，將原始數(shù)據(jù)采用下采樣的方式進(jìn)行多尺度表達(dá)，訓(xùn)練相關(guān)的圖像字典。但是圖像的下采樣會(huì)丟失部分的圖像信息，并且在后續(xù)的圖像塊聚類過(guò)程中會(huì)造成塊信息的不匹配。最終會(huì)對(duì)圖像去噪的結(jié)果產(chǎn)生不良的影響。本文通過(guò)采用非下采樣高斯差分金字塔算法，不改變圖像尺寸的大小，實(shí)現(xiàn)圖像的多尺度表達(dá)，提高圖像塊聚類的精度，進(jìn)而提高主成分分析的準(zhǔn)確度，使得圖像字典更能表達(dá)圖像的特征。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后