基于N-Smoothlets的圖像處理關(guān)鍵技術(shù)研究.pdf

1、N-Smoothlets是傳統(tǒng)Smoothlet的改進(jìn)。采用N-Smoothlets變換對(duì)圖像進(jìn)行分解時(shí)，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(guò)增加線段數(shù)目，能更靈活的逼近局部塊的幾何特征，降低逼近導(dǎo)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(shí)現(xiàn)方式上：傳統(tǒng)的Multismooth

2、lets是通過(guò)變換支撐在每個(gè)宏塊內(nèi)實(shí)現(xiàn)多次逼近，N-Smoothlets可以對(duì)圖像塊實(shí)現(xiàn)更靈活地逼近，相比之下，N-Smoothlets具有對(duì)復(fù)雜紋理圖像可以實(shí)現(xiàn)更好逼近的優(yōu)勢(shì)。N-Smoothlets變換仍然存在對(duì)方向性表示不足的缺點(diǎn)。本文的研究重點(diǎn)之一是提升其對(duì)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(cè)中的應(yīng)用。主要研究?jī)?nèi)容如下：
　　1、針對(duì)傳統(tǒng)Smoothlet變換在宏塊方向性上

3、的不足提出Shear Smoothlet變換。考慮在不同方向上的Smoothlet變換更能適應(yīng)圖像紋理的變化，將Shear操作的方向特征應(yīng)用到Smoothlet變換中，計(jì)算各個(gè)方向重建圖像的均值，最終的重建圖像結(jié)果具有不同方向上的特征。通過(guò)取各個(gè)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(yīng)，提高重建圖像的質(zhì)量。
　　2、提出基于N-Smoothlets變換的圖像去噪算法。針對(duì)傳統(tǒng)圖像去噪算法在去除噪聲的同時(shí)會(huì)丟失大量高頻

4、信息的問(wèn)題，利用高斯白噪聲沒(méi)有固定幾何結(jié)構(gòu)的特點(diǎn)，結(jié)合N-Smoothlets變換提取圖像幾何結(jié)構(gòu)的優(yōu)勢(shì)，研究基于幾何結(jié)構(gòu)去除高斯白噪聲的數(shù)學(xué)模型，進(jìn)而提出基于該模型的N-Smoothlets圖像去噪算法。通過(guò)尋求權(quán)重因子與噪聲方差的關(guān)系計(jì)算最優(yōu)的權(quán)重因子值，保證圖像去噪效果的同時(shí)很好地保護(hù)圖像的高頻信息并降低計(jì)算量。
　　3、提出基于N-Smoothlets變換的圖像邊緣檢測(cè)算法。利用N-Smoothlets變換具有多尺度、多方