压缩感知在图像降噪中应用开题报告.docVIP

中 北 大 学 毕业设计开题报告 学 生 姓 名： 学 号： 学 院： 信息与通信工程学院 专 业： 设 计 题 目： 压缩感知在图像降噪中的应用 指导教师: 2014年3月10日 毕 业 设 计 开 题 报 告 1．结合毕业设计情况，根据所查阅的文献资料，撰写2000字左右的文献综述： 文 献 综 述 1.1研究目的和意义 数字图像处理技术是随着计算机技术发展而开拓出来的一个新的应用领域，汇聚了光学、电子学、数学、摄影技术、计算机技术等学科的众多方面。它把图像转换成一个数据矩阵，在计算机上对其进行处理.计算机图像处理和计算机图形学的结合已经成为计算机辅助设计的主要基础。随着计算机规模和速度的大幅度提高，数字图像处理技术的发展前途和应用领域将更加广阔。人们可以通过多种不同方法获取图像，对这些图像进行数字化处理，可以使图像的视觉效果得到增强或者得到特殊的效果，以满足人们不同的需要。从遥感、遥测、医学等许多重要的民用和军事成像领域，很多因素会导致图像质量的退化，比如图像的混叠、降晰和扭曲等噪声更是无处不在，图像在采集、传输和转换中常常受到成像设备和外部环境的干扰，在原图像中夹杂了噪声的干扰，使得图像降质，影响了图像的视觉效果，而且对图像进行进一步的处理也带来了不利。从数字图像处理的技术角度讲，图像去噪处理属于图像回复的技术范畴；从整个图像分析的流程讲，图像去噪处理属于图像处理的预处理范畴。因而图像去噪去噪方法的研究具有重要意义，主要表现在： 对含噪图像进行噪声处理，可以有效的保证正确识别图像的信息.当获得的图像中含有色噪声较严重时，图像变得模糊，使图像失去了存储信息的实际意义。 图像降噪后不但可以提高视觉对信息识别的准确性，而且对进一步做图像处理 提供了基础，如果直接对含噪图像进行特征提取或融合等处理，则很难获得令人满意的处理结果。 目前，虽然人们提出了许多的图像去噪方法，但是这些方法并不是完美的，进一步完善已有的图像去噪方法，或者研究新的图像去噪方法意义依然重大。 传统的数据或图像采集方法是基于Nyquist采样定理，其规定为在频带为内的一个连续信号，信号的采样频率应满足，才能够保证采样信息恢复出原始信号，否则信号频谱会出现混叠，无法准确恢复原始信号。该理论的提出对信号（图像）的采集、存储、处理、传输等各方面的意义重大。．然而随着人们对信息需求量的增加，携带信息的信号带宽越来越宽，以此为基础的信号处理框架要求的采样速率和处理速度也越来越高，因而对宽带信号处理的困难在日益加剧．例如高分辨率地理资源观测，其巨量数据传输和存储就是一个艰难的工作。另一方面，在实际应用中，为了降低存储、处理和传输的成本，人们常采用压缩方式以较少的比特数表示信号，大量的非重要的数据被抛弃．这种高速采样再压缩的过程浪费了大量的采样资源且效率低下，针对这样的问题需引入新的技术概念，来推动信息处理领域的发展。 近几年来出现的一种新颖的理论——压缩感知，压缩感知理论与传统奈奎斯特采样定理不同，它指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号，可以证明这样的投影包含了重构信号的足够信息．在该理论框架下，采样速率不决定于信号的带宽，而决定于信息在信号中的结构和内容，这一理论具有巨大应用前景。 1.2 研究背景： 1.图像去噪： 噪声是图像干扰的重要原因。一幅图像在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。根据噪声和信号的关系可将其分为三种形式:压缩感知理论指出：当信号在某个变换域是稀疏的或可压缩的，可以利用与变换矩阵非相干的测量矩阵将变换系数线性投影为低维观测向量，同时这种投影保持了重建信号所需的信息，通过进一步求解稀疏最优化问题就能够从低维观测向量精确地或高概率精确地重建原始高维信号。在该理论框架下，采样速率不再取决于信号的带宽，而在很大程度上取决于两个基本准则：稀疏性和非相干性，或者稀疏性和等距约束性的研究任务就是信号的稀疏表示研究矩阵设计直接决定了压缩采样理论是否能够成功实现由于压缩测量个数和信号重建精度以及信号稀疏性有着密切的联系，因此测量矩阵的设计应该与稀疏字典的设计统筹考虑。压缩感知的第三个核心问题是重建算法的设计重建算法的设计应该遵循如下基本准则：算法应该利用尽可能少的压缩测量快速、稳定、精确或近似精确地重建原始信号。  毕 业 设 计 开 题 报 告 ２．本课题要研究或解决的问题和拟采用的研究手段（途径）： 2.1本课题要研究和解决的问题： 本课题的目的是利用压缩感知的理论对图像进行降噪处理，降噪就是