基于新型多尺度幾何分析的圖像去噪算法研究.pdf

1、社會飛速發(fā)展，人們交流的方式與途徑不斷變化，如今圖形圖像已經(jīng)成為除文字外最主要的信息交流方式。但是，圖像在采集、獲取及傳輸過程中會受到噪聲干擾，致使畫面發(fā)生模糊、扭曲、甚至失真，使其不能完善得表達客觀信息，從而失去準確性和全面性，嚴重影響圖像的后續(xù)分析、處理以及應用。因此，對圖像進行去噪處理就變得尤為必要。
　　目前，在圖像去噪算法中，采用傳統(tǒng)的機器學習、統(tǒng)計模型以及非局部均值等理論進行去噪處理較為常見且效果較好，但仍具有一定不足

2、，在一些方面甚至難以滿足要求。因此，為獲得更優(yōu)質(zhì)的去噪效果，本文以新型多尺度幾何分析為基礎展開圖像去噪算法研究工作，在以下三方面內(nèi)容取得了一定研究成果：
　　1、提出了一種新型隱馬爾科夫樹（HMT）模型圖像去噪方法，采用了非下采樣Contourlet變換技術。利用Weibull方法表示分解變換后系數(shù)的統(tǒng)計特性，以變換后系數(shù)的大小作為判斷系數(shù)是否為有意義系數(shù)還是缺乏意義系數(shù)的依據(jù)。充分利用系數(shù)的相關性（尺度間、方向間和尺度內(nèi)三者之間

3、的關系）構建新型HMT模型并進行遞歸訓練，然后將訓練所得概率進行貝葉斯去噪。試驗結(jié)果證明，該方法不僅在保證對邊緣和紋理進行保護的基礎上收到良好效果，而且所得主觀結(jié)果也達到預期。
　　2、提出了一種新的基于頻域內(nèi)的指數(shù)矩改進的非局部均值（NLM）濾波方法，采用了非下采樣Shearlet分解技術。利用魯棒性優(yōu)越的指數(shù)矩，將所得傳統(tǒng)系數(shù)值轉(zhuǎn)換成指數(shù)矩值，并進行相似度計算，得到權重值。將傳統(tǒng)NLM中的高斯核函數(shù)用Modefied Bisq

4、uare核函數(shù)代替。實驗結(jié)果證明，該方法可以在很好保持圖像邊緣信息基礎上移除噪聲，大大提升圖像效果。
　　3、提出了一種頻域內(nèi)支持向量機和非局部均值相聯(lián)合的方法。用孿生支持向量機（TWSVM）方法分類，能成功的在非局部均值去噪前優(yōu)先挑選出認為是信息的像素，這大大減少了非局部均值計算的像素點數(shù)。此外引入了軟閾值，改進了 Local Adapted James–Stein Type Center Pixel Weights計算方法，優(yōu)