非局部算法在图像去噪中应用-计算数学专业论文.docxVIP

表格 表 格 表 格 1.1 MOS 图像质量平均意见指数表 8 3.1 Donoho 估计方法与光滑样条估计对比 25 4.1 非局部双边滤波算法和带搜索区域的非局部均值算法 PSNR 效果 对比表 29 4.2 非局部双边滤波和其他滤波对于乘性噪声去噪效果对比表 . . . . . 31 4.3 ONL 算法和 ANL 算法对于高斯白噪声 PSNR 对比表 35 4.4 NLR 算法和 ANL 算法对于高斯白噪声 PSNR 对比表 36 4.5 ANL 算法对于高斯白噪声 PSNR 数据表 38 5.1 全变差算法对于高斯白噪声 PSNR 数据表 44 5.2 全变差算法对于高斯白噪声 PSNR 数据表 47 VII 插图 插 图 插 图 1.1 含高斯噪声的图像 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2 含椒盐噪声的图像 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.1 领域示意图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 3.1 小波分解示意图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 3.2 Lenna 三层小波分解 18 3.3 最优 λ 的迭代过程及其相应的噪声方差 25 3.4 噪声方差估计模拟结果，σ = 30. 左: 噪声方差结果, 右: 残差 25 4.1 权重示意图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2 NLR 算 法 和 NLB 算 法 对 于 方 差 为 σ = 40 的 去 噪 效 果 图。 左 上: 原始图像, 右上：噪声图像，左中：由 NLR 算法恢复图像， PSNR=25.70, 右中:NLR 算法的方法噪声, 左下：NLB 算法恢复图 像，PSNR=28.00, 右下: NLB 算法的方法噪声。 30 4.3 NLB 对 SAR 图 像 去 砸 效 果 图 左 上: 原 始 的 SAR 图 像： 小 桥 （river）, 右上: 原始 SAR 田野（terra）, 左中: NLB 算法对小桥的 去噪图, 右中: NLB 算法对田野的去噪图, 左下：NLB 算法对小桥 的方法噪声，右下：NLB 算法对田野的方法噪声 32 4.4 种子像素生长融合区域示意图 . . . . . . . . . . . . . . . . . . . . . 32 4.5 ONL, NLR, ANL 三种算法的耗费时间 33 4.6 ONL 算法对于 σ = 40 高斯噪声去噪效果图。 左上: 原始图像, 右 上: 噪声图像, 左下: ONL 去噪图像 PSNR=24.20, 右下: 方法噪声 . . 34 4.7 Results of the ANL 算法对于 σ = 40 高斯噪声去噪效果图. 左上: 原始图像, 右上: 噪声图像, 左下: ANL 去噪图像 PSNR=28.02, 右 下: 方法噪声 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 4.8 NLR 算法在 σ = 70 时的去噪效果图. 左上: 原始图像, 右上: 噪声 图像, 左下: NLR 去噪图像 PSNR=24.07, 右下: 方法噪声 36 4.9 ANL 算法在 σ = 70 去噪效果图. 左上: 原始图像, 右上: 噪声图像, 左下: ONL 去噪图像 PSNR=25.97, 右下: 方法噪声 37 4.10 ONL 算法对于 σ = 40 的椒盐噪声去噪效果图. 左上: 原始图像, 右 上: 噪声图像, 左下: ONL 去噪图像 PSNR=15.46, 右下: 方法噪声 . . 38 IX 4.11 ANL 算法对于 σ = 40 的椒盐噪声去噪效果图. 左上: 原始图像, 右 上: 噪声图像, 左下: ONL 去噪图像 PSNR=20.05, 右下: 方法噪声 . . 39 4.12 ANL 算法对于 σ = 20 的椒盐噪声去噪效果图. 左上: 原始图像, 右 上: 噪声图像, 左下: ONL 去噪图像 PSNR=