基于SSIM的非局部全變分去噪方法研究.pdf

1、近年來，數(shù)學(xué)工具已逐漸成為研究圖像處理和計(jì)算機(jī)視覺的基本工具之一，尤其是以變分方法和偏微分方程為代表，被廣泛應(yīng)用于圖像處理的各個(gè)領(lǐng)域．本文主要應(yīng)用它們對(duì)圖像去噪問題進(jìn)行建模以及算法研究．這些工具不僅為建模提供了理論依據(jù)，還有助于研究模型的性能以及算法的有效性．本文針對(duì)圖像處理的去噪問題，將結(jié)構(gòu)相似度(SSIM)融合到非局部全變分(NLTV)圖像去噪模型中，這是受到結(jié)構(gòu)相似性指數(shù)可以有效評(píng)估圖像質(zhì)量的啟發(fā)．本文也將給出基于結(jié)構(gòu)相似度的新模

2、型，并給出新模型的兩種求解算法，所做工作主要有以下幾個(gè)方面：
　　1.非局部變分(NLTV)模型中忠誠項(xiàng)采用L2度量，針對(duì)其沒有考慮圖像空間結(jié)構(gòu)性，在模型的忠誠項(xiàng)中引入結(jié)構(gòu)相似度(SSIM)進(jìn)行改進(jìn)，提出一種新的去噪模型，即模型1，并給出相應(yīng)的算法，即算法1．在忠誠項(xiàng)中引入結(jié)構(gòu)相似度替代L2度量，不僅僅考慮了圖像之間的像素差，還考慮了圖像整體的亮度、對(duì)比度，使得去噪結(jié)果更符合人眼的視覺效果．將模型1與引入Split-Bregman

3、求解的NLTV模型相比，從視覺效果方面，可以看出細(xì)節(jié)更豐富了，從仿真結(jié)果來看，去噪效果也有一定的提高．
　　2.算法1中正則項(xiàng)采用MSE度量的權(quán)函數(shù)，在處理含有豐富細(xì)節(jié)的邊緣區(qū)域小塊時(shí)，難以找到與之相似性較高的小塊，使得去噪效果不明顯，導(dǎo)致它在邊緣區(qū)域去噪能力依然較弱．針對(duì)這一缺陷，提出一種自適應(yīng)的權(quán)函數(shù)計(jì)算方法，即算法2．新的權(quán)函數(shù)計(jì)算方法中，在邊緣區(qū)域，引入結(jié)構(gòu)相似度參數(shù)作為小塊相似性的度量，從而能夠精確地估計(jì)出邊緣區(qū)域小塊之