K-SVD算法在圖像去噪中的研究.pdf

1、現(xiàn)實(shí)中的圖像在成像或數(shù)字化和傳輸過程中由于常受到設(shè)備與外部環(huán)境噪聲干擾等影響，從而大大降低了圖像的質(zhì)量，這就對圖像的解譯工作造成了很大的困難。因此，在圖像處理中，圖像噪聲抑制成為關(guān)鍵，也是后續(xù)圖像特征提取、分割、識別等工作的基礎(chǔ)。
　　 本文主要研究K-SVD算法在圖像噪聲抑制中的應(yīng)用，針對其存在的問題開展研究工作，提出了三種噪聲抑制算法，從理論和實(shí)驗(yàn)兩方面論證了算法的有效性。主要研究工作包含以下三方面：
　　 (1)由

2、于在K-SVD算法中用到了OMP算法和奇異值分解SVD算法，而當(dāng)圖像較大時(shí)，OMP算法中的矩陣求偽逆運(yùn)算效率非常低、奇異值分解SVD不僅耗時(shí)而且占用內(nèi)存較大，常導(dǎo)致“超出內(nèi)存”問題。針對上述問題本文提出了基于矩陣chelesky分解和近似奇異值分解SVD的稀疏K-SVD噪聲抑制方法來對自然圖像進(jìn)行噪聲抑制，同時(shí)在字典訓(xùn)練過程中結(jié)合了“全局訓(xùn)練字典”的普適性，該方法有效的提高了K-SVD算法的運(yùn)行效率、解決了“超出內(nèi)存”問題，并且提高了去

3、噪效果。
　　 (2)由于K-SVD算法是針對加性噪聲設(shè)計(jì)的，而SAR圖像的相干斑是乘性噪聲，因此直接將K-SVD算法應(yīng)用于SAR圖像去斑會(huì)出現(xiàn)過平滑現(xiàn)象。為了克服這一缺點(diǎn)，本文基于信號冗余稀疏表示的圖像噪聲抑制理論，根據(jù)SAR圖像的局部統(tǒng)計(jì)特性，由極大似然估計(jì)法得到了適用于SAR圖像去斑的K-SVD目標(biāo)函數(shù)，并從理論上證明了其合理性，且根據(jù)此目標(biāo)函數(shù)對原始的K-SVD算法進(jìn)行改進(jìn)，得到了本文的單層SAR_K-SVD算法。該算法

4、未對SAR圖像作對數(shù)變換，而是直接在空域中進(jìn)行相干斑抑制，不僅有效的保持了原始SAR圖像的輻射特性，而且消除了傳統(tǒng)K-SVD用于SAR圖像去斑時(shí)產(chǎn)生的邊緣和點(diǎn)目標(biāo)模糊、紋理信息過平滑等現(xiàn)象。
　　 (3)由于SAR圖像中不同地物的后向散射系數(shù)不同，為了進(jìn)一步提高SAR圖像去斑效果，本文針對相干斑的乘性特性，提出了一種新的SAR圖像像素分類策略：首先，采用比值方法來求解SAR圖像的局部方差圖；然后，利用3×3和9×9兩個(gè)不同的窗口