基于N-Smoothlets的圖像處理關鍵技術研究.pdf

1、N-Smoothlets是傳統(tǒng)Smoothlet的改進。采用N-Smoothlets變換對圖像進行分解時，可以用最多 N條線段表示圖像局部子塊的紋理特征，而傳統(tǒng)Smoothlet只用一條線段表示。通過增加線段數目，能更靈活的逼近局部塊的幾何特征，降低逼近導致的幾何誤差。N-Smoothlets變換可看作特殊的Multismoothlets變換，與傳統(tǒng)的Multismoothlets變換的區(qū)別主要在實現(xiàn)方式上：傳統(tǒng)的Multismooth

2、lets是通過變換支撐在每個宏塊內實現(xiàn)多次逼近，N-Smoothlets可以對圖像塊實現(xiàn)更靈活地逼近，相比之下，N-Smoothlets具有對復雜紋理圖像可以實現(xiàn)更好逼近的優(yōu)勢。N-Smoothlets變換仍然存在對方向性表示不足的缺點。本文的研究重點之一是提升其對方向的表示能力，此外，本文還著重研究了N-Smoothlets變換在圖像去噪和邊緣檢測中的應用。主要研究內容如下：
　　1、針對傳統(tǒng)Smoothlet變換在宏塊方向性上

3、的不足提出Shear Smoothlet變換?？紤]在不同方向上的Smoothlet變換更能適應圖像紋理的變化，將Shear操作的方向特征應用到Smoothlet變換中，計算各個方向重建圖像的均值，最終的重建圖像結果具有不同方向上的特征。通過取各個方向上的重建圖像均值的操作降低了最終重建圖像的方塊效應，提高重建圖像的質量。
　　2、提出基于N-Smoothlets變換的圖像去噪算法。針對傳統(tǒng)圖像去噪算法在去除噪聲的同時會丟失大量高頻

4、信息的問題，利用高斯白噪聲沒有固定幾何結構的特點，結合N-Smoothlets變換提取圖像幾何結構的優(yōu)勢，研究基于幾何結構去除高斯白噪聲的數學模型，進而提出基于該模型的N-Smoothlets圖像去噪算法。通過尋求權重因子與噪聲方差的關系計算最優(yōu)的權重因子值，保證圖像去噪效果的同時很好地保護圖像的高頻信息并降低計算量。
　　3、提出基于N-Smoothlets變換的圖像邊緣檢測算法。利用N-Smoothlets變換具有多尺度、多方