- 1、本文档共79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
第2章 先进去噪算法
第2章 先进去噪算法;内容提要;Indoor – low light;1. 常用噪声模型
加性噪声:加性噪声和图像信号强度不相关
v(i) = u(i) + n(i)
乘性噪声:乘性噪声和图像信号是相关的
v(i) = u(i) × n(i)
椒盐噪声:黑图像上的白点,白图像上的黑点
量化噪声:是由量化过程引起的,解决的最好方法
是最佳量化;;常用去噪算法
空间域:各向异性滤波、邻域滤波(如高斯、中值),等
变换域:傅立叶变换、维纳滤波、多尺度方法(小波为代
表),等
其他方法:脉冲耦合神经网络、主成分分析、学习方法
(SVM)、 Gaussian Scale Mixture ,等 ;噪声模型局限
一般噪声模型分成两部分:smooth部分(无污染图像),oscillatory 部分(噪声部分)
局限性
噪声模型并不是最准确的
并不是所有图像都是smooth,图像同样可以包含细节和
结构,这同样是高频成分
;图像先验知识
图像并不是随机组合的一群像素值
相邻像素之间一般具有高度的相关性
均值去噪?;Gaussian Filter;图像先验知识
图像并不是随机组合的一群像素值
相邻像素之间一般具有高度的相关性
领域的均值去噪?
领域内相似颜色的均值去噪?
双边滤波:非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。优点是边缘保存。
;Bilateral Filter
双边滤波;图像先验知识
图像并不是随机组合的一群像素值
相邻像素之间一般具有高度的相关性
领域的均值去噪?
领域内相似颜色的均值去噪?
领域内相似纹理的均值去噪?
;非局部平均去噪(NLM)
——Buades et al., 2005 (CVPR)
假设:自然图像有相似的纹理,即图像自相似
具有相似纹理的像素很可能具有相似的像素值
相比于Bilateral滤波,具有更好的可区分能力;核心思想:
越是相似的patch,越是具有大的权重。
p和r、q对应的patch很相似,因此具有大的权重w(p,r)和w(p,q),而p和s对应的patch不相似,所以权重w(p,s)较小。
每一个像素的估计值是图像中所有像素值的加权平均。;计算方法
对于噪声图像V,其估计图像为NL(V),通过图像中所有像素点的灰度值加权平均来得到每一个像素点p 的灰度值
其中,w(p,q)为像素p和q之间的相似性权重,满足
;计算方法
两个像素之间的相似性,由像素邻域patch之间的相似性决定。通常情况下,相似度的测量是通过欧几里得距离来表示:
权重定义为:
归一化因子Z:
其中h为控制幂函数衰减的参数;结果对比;参数:
控制参数h太小去噪能力不强;h太大图像会变模糊
Patch尺寸太大,不能准确找到相似patch;patch尺寸太小,太多的相似patch
不足:
计算量非常大,速度慢
关键在于计算两个patch之间的相似性;改进算法:
不计算欧氏距离,用其他相似度测度方法替代
对Patch进行降维,如PCA
在变换域(如小波等)进行NL-Means
自适应的NLM
。。。
;为什么BM3D?
Group是非常好的一种方法,可以减少mixing
去噪 = Extract the common (the signal)
NLM:common = weighted average
更为稀疏(sparse)的表示是否能获得更好的效果?;BM3D
——Dabov et al., 2006 (IEEE TIP)
组合具有相似局部结构的patch
对于每一个group(3D)进行联合去噪
有效融合多个估计;单个BM3D估计;;计算方法:
对于每一个patch,寻找相似的patch(如计算SSD);计算方法:
2. 组合所有相似的patch;计算方法:
3. 计算3D的Harr小波变换;计算方法:
4. 应用收缩(shrinkage)或者硬阈值、维纳滤波等;计算方法:
5. Harr小波反变换;计算方法:
组合patch形成去噪后的图像(每个patch给一个权值)
每一个patch都有一个去噪后的估计图像,而NLM中只是patch中的中心点像素有估计值;GSM;改进算法:
执行BM3D两次:基本BM3D估计,最终BM3D
Shrinkage方法改进
结合形状自适应PCA
自适应方法
。。。
;TV经典文献
L. Rudin, S. Osher, and E. Fatemi, Nonlinear total var
您可能关注的文档
- 小学生好书推荐卡彩色模板.doc
- 彩色图像与灰度图像间转换的程序设计_宋振电.pdf
- 彩色图像的马尔可夫随机场恢复算法.pdf
- 彩色数字喷墨打印机色彩特性化方法研究_易尧华.pdf
- 打印2017彩色背景日历挂历12页.ppt
- 教科版小学科学四年级下册不一样的电路连接课件.ppt
- 数显里氏硬度计和敲击式布氏硬度计价格.pdf
- 显示技术概述.doc
- 材料3D打印技术的研究进展.pdf
- 现代图像分析复习题.docx
- 第十一章 电流和电路专题特训二 实物图与电路图的互画 教学设计 2024-2025学年鲁科版物理九年级上册.docx
- 人教版七年级上册信息技术6.3加工音频素材 教学设计.docx
- 5.1自然地理环境的整体性 说课教案 (1).docx
- 4.1 夯实法治基础 教学设计-2023-2024学年统编版九年级道德与法治上册.docx
- 3.1 光的色彩 颜色 电子教案 2023-2024学年苏科版为了八年级上学期.docx
- 小学体育与健康 四年级下册健康教育 教案.docx
- 2024-2025学年初中数学九年级下册北京课改版(2024)教学设计合集.docx
- 2024-2025学年初中科学七年级下册浙教版(2024)教学设计合集.docx
- 2024-2025学年小学信息技术(信息科技)六年级下册浙摄影版(2013)教学设计合集.docx
- 2024-2025学年小学美术二年级下册人美版(常锐伦、欧京海)教学设计合集.docx
文档评论(0)