基于MCMC采样的非局部图像去噪方法研究-数学专业论文.docx

Study on Nonlocal Image Denoising Method Based on Markov Chain Monte Carlo Sampling A dissertation submitted to XIDIAN UNIVERSITY in partial fulfillment of the requirements for the degree of Doctor of Philosophy By Luo Liang (Applied Mathematics) Supervisor: Prof. Feng Xiangchu November 2014 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导 下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所 罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获 得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的 同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日 期： 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关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西安电子科技大学。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。同时本人保证，毕业后结合学位论文研究课题 再撰写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 导师签名： 日 期： 日 期： I I PAGE PAGE IV 摘要 摘要 图像作为信息化时代的一种重要的信息载体，其对应的图像处理技术已广泛地应 用于各个领域，如航空航天、军事、治安监控、医疗卫生等。在这些应用领域，一幅 高质量的图像对相关问题的分析和后续处理起着至关重要的作用。但由于采集设备、 通讯条件等因素的限制，图像在采集、传输与存储过程中无法避免受到各种噪声信号 的污染，导致图像偏离了它的真实情况，大大降低了对图像目标信息后续的解释和编 译能力，如特征提取、目标识别和图像分析。这使得在利用图像之前有必要去除图像 中的噪声。 为克服非局部平均方法在选择相似块时间复杂度高的缺点,并且充分利用非局部 相似块之间的结构特征信息，更好地保护图像原有结构信息，论文工作着重从两个阶 段来改善现有的非局部平均算法，即相似块的搜索和在此基础上的非局部去噪方法。 主要包括以下几个方面的工作： 1.提出一种非局部马尔科夫蒙特卡罗采样和低秩逼近的随机去噪方法。该方法首 先通过马尔科夫蒙特卡罗随机采样寻找每个图像块的相似匹配块组，然后对这些相似 匹配块组进行奇异值分解，用分解后的低秩结构恢复原图像，从而达到去噪的目的。 实验表明，所提方法计算复杂度低，和非局部平均方法相比，较好地保留了边缘等细 节信息；和 BM3D 方法相比，所提方法能保持较好的视觉质量。 2.为降低奇异值分解的低秩逼近方法的计算代价，减少对原数据的重构误差，提 出一种基于双边下采样傅里叶变换投影的低秩逼近图像去噪算法。该算法改变高斯随 机下采样投影，采用下采样随机傅里叶变换投影，达到对原数据更高的重构精度。实 验结果表明， 所提算法能有效地逼近奇异值分解的最小重构误差， 降低计算复杂度。 与 NLM 方法相比，在去除噪声的同时较好地保留了原图像的结构信息；与单边随机投 影低秩逼近方法相比，保证了较低的重构误差； 和 BM3D 方法相比，所提方法能保持 较好的视觉质量。 3.提出了一种自适应随机非局部去噪方法，在图像的不同位置确定对应的非局部相 似块的最佳尺寸，从而提升去噪图像的质量。新方法分为两个阶段实现：基于自适应 窗的相似块搜索，和在此基础上的双向非局部去噪算法。在第一阶段，对噪声图像每 个像素点邻域通过多次马尔科夫蒙特卡罗随机采样寻找到多个相似匹配块组；利用不 同匹配块组估计的一致性给出相似块尺寸调整的判据；调整相似块尺寸并重复上述过 程得到该像素点邻域的最佳相似块尺寸和对应的最优相似块组。在第二阶段，为充分 利用选定的相似块组的双向相似结构，同时为减少计算代价，提出修正的双向非局部 算法，得到对应的无噪相似块组的估计；进一步利用叠加的方法得到去噪图像。理论 分析和仿真实验结果表明：相比于固定尺寸窗的去噪算法，如 BM3D 和 NLM 方法等， 西安电子科技大学博士学位论文 西安电子科技大学博士学