基于圖像質量評價的自適應降噪算法研究.pdf

1、在圖像成像過程中，由于受光傳感器的熱衰退或傳輸過程等因素的影響，獲得的圖像會不可避免地引入噪聲。噪聲是影響圖像質量和圖像視覺效果最主要的原因之一，它嚴重干擾了圖像的應用價值以及對圖像所作的進一步高級處理，如圖像復原、視覺追蹤、圖像配準、圖像分割和圖像分類等。因此圖像降噪的研究無論是對提高圖像質量還是滿足進一步處理圖像的需求都具有基礎性的現(xiàn)實意義。
　　本文采用得到廣泛應用的自然場景統(tǒng)計(NSS,Natural SceneStati

2、stics)方法，通過提取自然圖像樣本集的小波特征，得到特征樣本集，并利用機器學習方法，建立準確的噪聲分類模型和噪聲水平預測模型，并將預測模型應用于各種固定參數(shù)設置的降噪算法中，為算法賦予參數(shù)自適應能力。
　　首先，對于分類模型，受高斯噪聲污染的自然圖像和受脈沖噪聲污染的自然圖像的分類準確率能夠滿足高要求的分類需求，而混合噪聲污染的圖像分類準確率也比人工分類優(yōu)越很多。其次，對于圖像噪聲水平預測模型，高斯噪聲標準差和脈沖噪聲比率的預

3、測都有優(yōu)秀的預測精度。最后，在分類正確的情況下，選擇相應的預測模型作為噪聲估計模型，為當前先進的降噪算法提供自適應參數(shù)調節(jié)機制，并選用當前先進的全參考圖像質量評價算法SSIM和FSIM對降噪結果進行評估，實驗結果表明算法的降噪性能及結構細節(jié)的保留能力都得到明顯提升。其中，采用自適應參數(shù)的CBM3D、NAFSM算法，其降噪性能、結構保留能力及底層特性的保留能力都得到全面的提升。對于采用自適應參數(shù)的NCSR算法，受 NCSR自身參數(shù)設置機制