- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种基于压缩感知的图像去噪方法.pdf
第24卷第1期 北方工业大学学报 V01.24No.1
CHINAUNIV.OFTECH. Mar.2012
2012年3月 J.NORTH
一种基于压缩感知的图像去噪方法*
邹建成 樊 立
(北方工业大学图像处理与模式识别研究所,100144,北京)
摘要提出一种新的图像去噪方法,即根据压缩感知理论,利用变换求出含噪图像的稀
疏表示,运用算法重构出原始图像,从而达到去除噪声的目的.实验表明,该方法具有可操作性
和可行性.
关键词 压缩感知;图像去噪;稀疏表示;小波变换;OMP算法
分类号TP39
图像是获取信息和传递信息重要的媒体和
手段,随着计算机和相关领域研究的发展,图像 1 压缩感知
处理技术从一个单一专门的学科,变成了一门
新兴的综合性研究领域,各种各样的图像处理 压缩感知的核心思想是求出信号的稀疏表
技术得到相应的发展.图像去噪就是图像处理 示,并用重构算法恢复重建出原始信号[1’2’6|.
中重要的一个分支. 通过采样矩阵①∈R脓Ⅳ(MN),以及
图像在传输过程当中,不可避免地会受到 某未知信号z在该矩阵下的线性测量值Y∈RM
各种各样噪声的影响.噪声的产生使得图像质 得到
量变差,给图像分析带来各种各样的困难,甚至 Y一①z (1)
带来错误的信息.用计算机对图像进行处理时, 我们想要的结果是由极不完整的测量值y
来恢复重建z,即寻求最稀疏解的过程:
这种随机噪声有可能影响到图像处理的结果.
传统的去噪方法分为空间域去噪方法和频 芏一argmin忙‰S.t.Cx—Y(2)
但(2)式是一个欠定方程的NP问题,不易求
域去噪方法.空间域去噪方法主要有均值法、中
解,通常将z。范数转化为Z,范数来求解.
值滤波法、多幅图像平均法等;频域去噪方法主
通常信号都是不稀疏的,所以必须先把信
要有分块矩阵去噪法、偏微分方程去噪法等口].
号变换为稀疏的,并运用重构算法来求解.本文
本文在前人研究基础上提出了一种新的图
运用的是离散小波正交变换将含噪图像稀疏;
像去噪方法,即将压缩感知应用到图像去噪中.
运用OMP算法重构求解.
利用相应的正交变换求出含噪图像的稀疏表
示,因为干净图像存在稀疏表示,而噪声破坏了
2离散小波正交变换
这种稀疏表示性,通过估计干净图像的稀疏表
示来恢复干净图像,从而去除噪声.最后,实现
连续小波变换定义‘3’43为:
了仿真实验.
收稿日期:201l一11—14
。国家自然基金资助项目61170327)、北京市创新团队项目(PHR201007118)
第一作者简介:邹建成,教授.研究方向:图像安全、信息安全.
文档评论(0)