基于結構相似度的圖像去噪方法研究.pdf

1、近年來,越來越多的學者致力于圖像處理領域的研究,使圖像處理技術得到了快速發(fā)展。本文在研究結構相似度(SSIM)的基礎上,針對圖像處理中的去噪問題,提出了一些新的基于結構相似度的去噪模型,并給出了新模型的求解方法。本文的主要內(nèi)容如下:
　　1.在經(jīng)典的ROF模型中,作為其忠誠項的L2度量沒有考慮圖像的空間結構性,導致恢復圖像視覺效果差。針對這一缺陷,引入一種基于結構相似度的度量作為模型的忠誠項,提出了一種新的去噪模型(模型1)。在模

2、型1的基礎上,為了保護圖像的邊緣結構不被破壞,用非凸形式的正則項代替模型1中的TV正則項,得到了另一個自適應性的新模型(模型2)。數(shù)值實驗結果表明,相比于ROF模型,模型1和模型2的去噪結果有效改善了恢復圖像的視覺效果,并且模型2在保護邊緣方面的性能優(yōu)于模型1。
　　2.傳統(tǒng)的非局部均值濾波算法中,在細節(jié)豐富的邊緣區(qū)域的小塊很難找到與之相似性較高的小塊,故加權平均效果不明顯,導致它在邊緣區(qū)域去噪能力較弱。針對這一缺陷,提出一種自適

3、應的權函數(shù)計算方法。新的權函數(shù)計算方法中,在邊緣區(qū)域,引入結構相似度參數(shù)作為小塊相似性的度量。由于結構相似度充分考慮了圖像的結構信息,能夠準確地將邊緣區(qū)域的相似小塊與不相似小塊區(qū)別開來,增強算法在結構信息復雜的邊緣區(qū)域的作用。數(shù)值實驗表明,新算法在去噪過程中,能夠保護圖像的細節(jié)信息不被磨損,從而提高恢復圖像的視覺效果。
　　3.基于結構相似度與稀疏表示理論,提出了一種改進的稀疏正則化方法。在新方法中,利用一種基于結構相似度的度量代