低照度图像的去噪算法研究-通信与信息系统专业论文.docx

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Research on Denoising the Low Level Image Candidate: Jiang Yu Supervisor: Associate Professor Guo Chunsheng March，2015 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得 的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过 的作品或成果。对本章的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或 使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件， 允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其 它复制手段保存论文。（保密论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州电 杭州电子科技大学硕士学位论文 摘 要 近年来数字图像技术的高速发展，使其被广泛运用到航天航空、遥感卫星和道路视频监 控等领域，并给各领域带来了史无前例的突破。但数字图像的质量易受外界光照强度影响， 当光照条件不理想时，其视觉效果会大打折扣，产生的低照度图像不仅清晰度低，边缘模糊， 而且含有大量的噪声，严重干扰了原始信息，更会给后续的图像处理工作带来困难。因此对 低照度图像进行去噪处理，恢复有效信息的工作具有重大的实际意义。本文拟对低照度图像 进行去噪算法研究，主要内容如下： 1. 基于邻域的图像去噪算法，使用周边像素对中心点进行线性估计，但该扩散处理会导 致图像过度平滑，丢失细节特征。为保持图像纹理信息，可引入权值矩阵控制扩散过程，因 而本文提出了一种基于扩散加权最小二乘准则的去噪算法，通过最小化邻域内像素的加权误 差平方和实现去噪目的。为减弱沿梯度方向扩散而导致的边缘模糊效应，抑制权值矩阵中对 应梯度方向的较大特征值，可控制扩散方向以保护边缘信息。在估计原始图像的过程中，引 入中间变量和相关系数进行联合计算。根据图像平坦区域梯度值较低，而边缘部分梯度值较 高的原理，利用梯度信息自适应地调节平滑强度实现各向异性扩散，再根据投影原理将相关 系数映射到约束空间，通过最陡下降法进行迭代求解。实验仿真证明该算法能有效去除低照 度图像中的噪声。 2. 当图像邻域内存在无关像素时，扩散处理会影响估计的准确性，且图像除了邻域信息， 还存在一些距离较远但结构相似的图像块，利用图像冗余信息可有效保持边缘特征，因而本 文提出了一种基于随机舍弃邻域和非局部相似性的去噪算法。处理图像局部信息时，采用伯 努利试验对邻域像素进行随机舍弃处理，对保留的像素基于局部方差与偏差之和最小化原则 求解相应权值。处理图像非局部信息时，基于图像块之间的结构相似性原则，计算欧式距离 求解相应系数。最后结合局部和非局部信息建立去噪模型，并采用最陡下降法迭代求解。实 验结果表明该算法在去噪的同时能有效保持边缘信息。 本文针对低照度图像去噪任务，围绕着如何在去除噪声的同时保护细节特征的问题进行 了探索，并取得了一定的研究成果，对低照度图像去噪算法研究具有指导意义。 关键词：图像去噪，低照度图像，随机舍弃邻域，扩散加权最小二乘，非局部均值 I ABSTRACT The technology of digital image processing has rapidly developed in recent years. Nowadays it has been widely used in the field of aerospace, remote sensing satellite and road video monitoring etc., and brought the unprecedented breakthrough to each field. But the quality of digital image is sensitive to the external light intensity. In the case of weak light conditions, the qua