基于非局部的圖像恢復算法研究.pdf

1、圖像恢復是數(shù)字圖像處理中的經(jīng)典問題，近十幾年來，圖像非局部的信息一直受到國內(nèi)外學者的關(guān)注，基于非局部的圖像處理算法層出不窮，圖像非局部的算法已經(jīng)廣泛應用于圖像恢復領(lǐng)域，并且取得了很好的成果。本文在已有的圖像非局部算法的基礎(chǔ)上，結(jié)合圖像稀疏表示和低秩逼近算法，改進了去噪模型，增強算法的去噪能力，提高恢復圖像的視覺質(zhì)量。
　　本研究主要內(nèi)容包括：⑴針對加性高斯白噪聲，結(jié)合非局部稀疏表示和基于組的稀疏表示，提出了新的去噪模型。新模型以組

2、為基本稀疏單位，先從清晰的自然圖像中訓練組字典，再通過低秩方法得到組的非局部估計，最后利用閾值迭代法求解新模型。仿真實驗表明，新算法不僅提高了圖像的峰值信噪比和結(jié)構(gòu)相似度，而且能夠減少恢復圖像中的偽跡，更好的保留圖像的重要特征，提高圖像的視覺效果。⑵針對去除服從伽馬分布的乘性噪聲，先用對數(shù)變換將圖像轉(zhuǎn)換到對數(shù)域，再將圖像分塊并且按照相似度分組，然后用自適應非局部樣本模型和低秩逼近處理，最后用交替迭代法得到恢復圖像并且將圖像還原到實數(shù)域。