基于小波变换的非局部图像去噪方法研究-电路与系统专业论文.docxVIP

万方数据 万方数据 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攥写的文章一律署名单位为西安电子科技大学。 本人签名： 日期 导师签名： 日期 摘 要 摘 要 I 万方数据 万方数据 摘 要 由于拍摄技术、传输设备等外界环境的影响，数字图像往往会引入不同程度 的噪声干扰，这会影响到图像的视觉效果和后续图像处理工作的展开。一直以来， 图像去噪在图像处理领域占据着重要地位，其根本目的是解决实际图像由于噪声 干扰导致的图像质量下降问题。目前，大量的图像去噪方法已经被提出，其中， 非局部均值去噪方法因其出色的图像去噪效果，成为众多学者广泛研究的对象。 BM3D 算法基于图像的非局部相似性，引入协同滤波的概念，进一步改善了图像 去噪效果，成为最好的去噪方法之一。 本文所做的工作主要包括以下三个内容： (1) 提出了一种基于 HWD 变换的非局部图像去噪算法，该算法根据相似组中 图像块所包含的信息特征，为相似组选择适合自身的二维变换，即对平滑均匀的 相似组进行小波变换，对具有线奇异性的相似组进行 HWD 变换。该算法充分利用 了小波变换表示点奇异性及 HWD 变换表示线奇异性的优势，能够得到比较准确的 变换域估计系数，提高恢复图像的质量，在去除噪声的同时更好地保持图像的细 节信息。 (2) 提出了一种基于非局部小波系数收缩的图像去噪算法，该算法基于小波域 的双 L1 范数模型，将局部稀疏性约束和非局部稀疏性约束整合到一个框架中，不 仅满足相似块对应的小波系数是局部稀疏的，同时也确保这些系数靠近相似组的 “中心”，即与真实系数非常接近。该算法能够得到比较准确的小波系数估计值， 更好地恢复图像，提高图像的去噪效果。 (3) 在基于非局部小波系数收缩的图像去噪算法的基础上，对三种非局部小波 域收缩模型：L1+L2 范数模型、双 L1 范数模型和非局部 L1 范数模型进行研究， 并分析了它们在估计小波系数时的准确性。实验结果表明，双 L1 范数模型和非局 部 L1 范数模型均能够得到比较准确的小波系数估计值，具有较好的去噪效果。 本论文工作得到了教育部长江学者和创新团队支持计划(IRT0645)、高等学校 学科创新引智计划(111 计划)(B07048)以及中央高校基本科研业务费专项资金 (JY10000902032) 的资助。 关键字：图像去噪 非局部均值 小波变换 收缩模型 Abstr Abstract III 万方数据 万方数据 万方数据 万方数据 Abstract For the influence of external environment, such as filming technique, transmission equipment, digital image will get noise pollution of different degree in the actual application. This will affect the image visual effects and subsequent image processing work. In recent years, image denoising has occupied an important position in the field of image processing, Its fundamental purpose is to solve the image degradation problem due to noise interference. Currently, lots of image denoising methods have been proposed, among them, the Non-local