基于区域划分和字典学习的图像去噪方法-计算机应用技术专业论文.docxVIP

摘要 摘要 基于 基于区域划分和字典学习的图像去噪方法 摘要 图像去噪技术是数字图像处理领域的一个重要的研究课题。稀疏表示理论作为 当今的一个热门研究课题，为图像去噪方法带来了新的思路。稀疏表示域从正交 基原子到冗余字典，再到自适应学习冗余字典，体现了稀疏表示理论的研究逐渐 地趋向于冗余性和自适应性方向发展。通过学习的方式得到冗余字典能够自适应 地对图像进行稀疏表示，将它用于图像的稀疏表示去噪能取得较好的效果，不过 该类算法也存在它的局限性，例如基于K-SVD的稀疏表示图像去噪算法在弱纹理 和弱边缘的地方会出现模糊，光滑区域也会出现伪纹理，同时，当噪声很大的时 候，去噪的效果不是很理想。 针对上述去噪算法存在的问题，我们对 BM3D 和非局部均值算法进行了研究， 提出了一种基于区域划分和字典学习的图像去噪方法，本文创新工作如下： 1、提出了基于 K-SVD 和 BM3D 相结合的图像去噪方法。基于 K-SVD 的图像 去噪算法在用 OMP 算法求解图像块的稀疏系数时，由于弱纹理和弱边缘处图像块 的标准差小于 OMP 算法给定的阈值，不能用字典原子来对其表示，而只是用局部 均值的思想来实现去噪，所以会出现模糊的现象。我们用对纹理和结构信号去噪 效果较好的 BM3D 算法对标准差小于 OMP 算法给定阈值的图像块进行去噪，有 效地解决了基于 K-SVD 的图像去噪方法在弱纹理和弱边缘部分出现模糊的问题； 2、提出了基于区域划分和字典学习的图像去噪方法。首先利用 Primal sketch 稀疏表示模型和图像块的统计特征将图像划分为结构区域、纹理区域和光滑区域。 我们用基于 K-SVD 和 BM3D 的图像去噪方法分别对结构区域和纹理区域进行去 噪，同时将能较好表示边缘轮廓信号的 Ridgelet 冗余字典作为结构区域的初始字 典，能较好表示纹理信号的 DCT 冗余字典作为纹理区域的初始字典，从而能够更 加有效地对图像的边缘和纹理信息进行稀疏表示；用改进的非局部均值算法对光 滑区域进行去噪，解决了基于 K-SVD 的图像去噪方法中光滑块出现伪纹理的问题。 通过仿真实验表明，该方法与基于 K-SVD 的图像去噪方法相比，改善了光滑区域 的去噪效果，同时，有效地保持了图像的边缘和纹理信息。 关键词：稀疏表示 冗余字典 K-SVD Primal sketch 区域划分 Abst Abstract 基于 基于区域划分和字典学习的图像去噪方法 Abstract The image denoising technical is an important research topic in the field of digital image processing. As a hot research topic, the sparse representation theory has brought new ideas for image denoising methods in recent years. The domain of sparse representation from orthogonal basis atoms to the redundant dictionary, to training redundant dictionary by learning adaptively, reflecting the sparse representation theory tends to redundancy and adaptability gradually. The denoising effect of the method of training redundant dictionary for image denoising through sparse representation is good, but such algorithms also have limitations, such as the denoising algorithm based on K-SVD appears fuzzy in the place of weak textures and weak edges, artificial traces will also be found in the smooth regions, at the same time, when there has much noise in the image, the denoising effect is not so ideal. In order to solve the problems above, we propose a met