基于稀疏表示理论的图像去噪方法研究-电子与通信工程专业论文.docxVIP

上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校何又f!ft阁、使川学位论文的规定，同志学校保留二月二向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交边大学可以将本学位论文的全部或部分内容编入有关数据fJill行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于保密口，在年解密后适用本授权书。不保密ITi，。(泊在以上方框内打.j)学位论文作者签名:易?多L饺|二IJVJ:L.P15年/月之日叫币签名:脱气EIW]:之fl/5年r月之日亨基于稀疏表示理论的图像去噪方法研究摘要近年来，稀疏表示理论备受关注，并已经成功地应用于图像去噪领域。通过选取或设计适当的超完备字典，图像的稀疏表示能够有效地提取图像中本质的特征，用尽可能简洁的方式表示图像。压缩感知理论也是建立在稀疏表示理论的基础上，它进一步表明了稀疏表示理论的重要价值和巨大应用潜力。本文主要对基于稀疏表示理论的图像去噪方法进行研究。首先，论文提出了一种能够抑制高斯噪声并有效保留大量图像纹理细节信息的图像去噪方法。该方法将图像看成是结构和纹理两种属性的组合，使用形态学成分分析方法（MorphologicalComponentAnalysis，MCA）提取出纹理部分信息，针对图像结构和纹理的不同属性，应用基于不同训练策略的超完备字典分别进行去噪处理。实验仿真表明，本文提出的基于图像分解和超完备字典的去噪算法能够更好的去除图像中的噪声，去噪结果具有更佳的视觉效果。其次，论文提出了一种基于自适应压缩感知的去噪方法。自适应压缩感知的方法将广义主成分分析引入到压缩感知的稀疏表示流程中，有效利用了图像的先验信息（如图像纹理信息等）。实验结果表明，与传统方法以及经典压缩感知方法相比，基于自适应压缩感知的去噪方法在去除噪声的同时能够有效的保留较多的图像细节信息，具有良好的去噪性能。关键词：稀疏表示，超完备字典，图像分解，广义主成分分析，压缩感知第I页RESEARCHONIMAGEDENOISINGBASEDONSPARSEREPRESENTATIONTHEORYAbstractInrecentyears,sparserepresentationtheoryhasattractedmuchattentionofscholarsandithasbeensuccessfullyappliedinthefieldofimagedenoising.Viaselectingordesigningaproperover-completedictionary,sparserepresentationcaneffectivelyobtainessentialfeaturesofanimage,representingtheimageinawayasconciseaspossible.Moreover,compressivesensingisanewlydevelopedtheorybasedonsparserepresentation.Itfurtherillustratestheimportantvalueandgreatpotentialofthesparserepresentationtheory.Thisarticlefocusesonimagedenoisingmethodsbasedonsparserepresentationtheory.Firstly,thispapercomesupwithanimagedenoisingmethod,whichcanefficientlyreduceGaussiannoisewhileexploitingmuchmoreimagetextureinformation.Thisproposedmethodtreatsimageasacombinationoftwodifferentattributes,textureandcartoon,makinguseofmorphologicalcomponentanalysistechniquetoextracttexturefromanoisedimage.Accordingtothedifferentpropertiesofimagetexturepartandcartoonpart,themethodseparatelyappliesover-completeddictionariesofdifferenttrainingstrategiestodealwiththenoiseineachpartoftheimage.Experimentresultshaveshownexcellentdenoisingabilityoftheproposed