基于塊的圖像去噪算法研究.pdf

1、圖像是人類對客觀世界感知和認識的一種最直接的途徑。圖像傳遞著重要的信息，清晰無污染的圖像才能確保信息的真實性。然而，在圖像成像或傳輸?shù)倪^程中不可避免地引入了各種噪聲，致使信息失真。因此，需要從噪聲圖像中還原出原始清晰的圖像，即圖像去噪。圖像去噪技術(shù)已廣泛應(yīng)用于國民經(jīng)濟和國防的眾多領(lǐng)域，如醫(yī)學(xué)圖像處理、氣象遙感、生物識別、安全監(jiān)控、目標(biāo)跟蹤等。因此，研究圖像去噪具有重要意義和廣泛的應(yīng)用前景。
　　近年來，由于基于圖像塊的圖像去噪算法

2、具有計算復(fù)雜度較低以及去噪性能較好等優(yōu)點，得到眾多學(xué)者的關(guān)注。本文主要研究一些近期性能較為優(yōu)良的基于圖像塊的圖像去噪算法，并進一步改善圖像去噪性能。主要工作和研究成果如下:
　　(1)塊對數(shù)似然概率期望算法的改進。由于塊對數(shù)似然概率期望算法中采用了固定的高斯混合模型參數(shù)，而并非考慮到本地圖像的內(nèi)部結(jié)構(gòu)和信息，在一定程度上限制了圖像去噪性能。鑒于此，本文嘗試解決高斯混合模型參數(shù)的自適應(yīng)更新問題。每次迭代時，對去噪后的圖像塊進行學(xué)習(xí)，

3、更新高斯混合模型，并使用該高斯混合模型對圖像塊進行去噪，直到獲得滿意的去噪結(jié)果。實驗結(jié)果表明，相比于當(dāng)前較為優(yōu)秀的一些算法，該改進算法能夠很好地保留圖像的結(jié)構(gòu)信息，提高了去噪效果。
　　(2)非局部中心稀疏表示算法的改進。非局部中心稀疏表示算法是基于稀疏表示的圖像恢復(fù)問題，提出了稀疏編碼噪聲模型，通過減少稀疏編碼噪聲達到恢復(fù)圖像的目的。由于其對原始圖像的稀疏系數(shù)估計是通過求一定數(shù)量的相似圖像塊的加權(quán)平均，再對其求稀疏系數(shù)而求得的，