清新校园新的.pptVIP

图4显示了4种算法在噪声标准方差 = 20的情况下对图像house的去噪效果 表1是本文算法与3种对比算法的实验效果所对应的PSNR和SSIM数值。由表1中数据可知，本文算法在house , Barbara及boat 3幅测试图像上取得了优于其他算法的效果。这3幅图像的共同特点 是具有较强的纹理细节信息。图4显示了4种算法在噪声标准方差 = 20的情况下对图像house的去噪效果 图5显示了4种算法在噪声标准方差 =30的情况下对图Barbara的去噪效果。其中每幅图像绿框中的图像内容被放大显示在图像的左上位置。参考理想图像中的放大内容，可以看出，本文算法不仅将大部分噪声从图像中去除，同时也很好地保留了纹理细节信息。尤其是在图4中，本文算法对砖纹的复原明显优于其他3种算法。对于其他5幅整体较平滑的测试图像，本文算法取得了与 BM3D算法和NCSR算法相近的效果。 因此，可以得出，相较于其他3种算法，对于纹理较强的图像，本文算法在滤除噪声的同时，具有更强的纹理保持能力。而对于平滑图像，本文算法也具有较强的去噪能力。 表2是在 = 20的情况下对house , Barbara及boat 3幅测试图像的运行时间。 可以看出本算法的运行时间还是不错的。 结论 图5显示了4种算法在噪声标准方差 =30的情况下对图Barbara的去噪效果。其中每幅图像绿框中的图像内容被放大显示在图像的左上位置。参考理想图像中的放大内容，可以看出，本文算法不仅将大部分噪声从图像中去除，同时也很好地保留了纹理细节信息。尤其是在图4中，本文算法对砖纹的复原明显优于其他3种算法。对于其他5幅整体较平滑的测试图像，本文算法取得了与 BM3D算法和NCSR算法相近的效果。 数字图像处理课程报告 组员：李丹 韩丹丹 专业：计算机科学与技术 主题：图像去噪 基于高阶奇异值分解和均方差迭代的图像去噪 作者：胡文锐 谢源 张文生 期刊：中国图象图形学报 时间：2014-11-02 第一作者简介:胡文锐(1986-), 男,现为中国科学院自动化研究所计算机技术应用专业博士研究生,主要研究方向为图像处理、计算机视觉和机器学习等。 目录 1、研究问题 2、方法与技术 3、实验结果与分析 4、结论 5.自己的分析与思考 一、研究问题 ??如何对图像进行滤除噪声的同时还要对图像信息进行最大的保持。 二、方法与技术 ?? (1)基于HOSVD的图像去噪方法 (2)基于均方差迭代最优的图像去噪方法 (3)基于HOSVD和均方差迭代最优的去噪方法 基于HOSVD的图像去噪方法 假设噪声模型为 y=x+v 式中， 是观测到的带噪图像 是理想的无噪图像， 是均值为0、方差为 的高斯随机白噪声。给定y中的图像块 则存在奇异值分解 ， 其中 和 均是列正交矩阵， 是奇异值入构成的对角矩阵。对P左乘 和右乘V，则有 .因此(U,V)可以被认为是一组正交变换基对，而奇异值入则是变换系数。大的奇异值对应着P在变换域中的低频部分，小的奇异值则对应着P的高频部分.在图像中，高频部分对应着图像纹理细节和噪声。通过设定一个合适的阈值，滤除较小的奇异值，保留较大的奇异值，则可起到去噪的效果。 利用图像非局部相似特性(即，在自然图像中，往往能够在非领域内找到与当前图像块相似的块)，可在带噪图上寻找到一组相似块，通过对该图像相似块组进行协同滤波处理，可得到更好的去噪效果。 假定 为一个3维相似块堆，每一个块的大小为mxm，相似块的个数为K(包含参考块P)，则张量T的高阶奇异值分解或Tucker分解为 (2) 式中， ， 和 是列正交的因子矩阵，