數(shù)字圖像去噪、銳化與顏色增強研究.pdf

1、隨著數(shù)字成像技術的快速發(fā)展，數(shù)字圖像出現(xiàn)在日常生活中的各個領域。然而，由于受到設備限制、環(huán)境干擾、人為因素等影響，所獲取的圖像時常受到噪聲、模糊和顏色問題的干擾。這些問題的存在不僅使得無法觀察到清晰自然的圖像，也給后續(xù)的圖像分析和識別帶來了諸多困難。本文針對圖像去噪、圖像銳化、顏色增強三個方面進行了研究和探討，主要成果如下:
　　(1)基于稀疏冗余表達理論，提出了增強的自適應回溯正交匹配追蹤算法(IABOMP)。在提出的算法中，采

2、用的自適應閾值由字典原子與圖像內容共同決定，使得算法更加智能。其次，增加的支持域校驗和殘差反饋機制使得重構出的圖像可以保留盡量多的圖像細節(jié)，并且使獲得的表達系數(shù)最稀疏。此外，在計算過程中采用的臨時字典和自適應步長技術使得算法減少了一半的迭代次數(shù)。實驗結果證明，提出的算法在信號重構精確度、信號稀疏度、運行時間、去噪結果PSNR數(shù)值評估、方法噪聲主管評價等方面均獲得了很好的表現(xiàn)。
　　(2)針對同時含有強噪聲和離焦模糊的圖像，提出局部

3、結構自適應銳化算法(LSAS)。與其他方法相比，本文提出的算法會沿著圖像邊緣方向進行銳化，從而避免了噪聲放大和細節(jié)模糊問題，并且不會帶來過沖現(xiàn)象。為了解決僅憑經驗設置參數(shù)而帶來的銳化效果不理想的問題，基于提出的LSAS擴展出兩個迭代版本用于圖像銳化盲復原。一個是通過改變局部圖像協(xié)方差參數(shù)獲得結果的全自動版本，即ILSAS。另一個是通過改變平滑參數(shù)獲得結果的優(yōu)化版本，即OILSAS。實驗結果證明，兩個迭代版本均可以在很少的迭代次數(shù)內自動的

4、獲得令人滿意的結果。
　　(3)為解決增強圖像細節(jié)同時避免放大暗區(qū)域噪聲的問題，基于圖像亮度提出兩種高動態(tài)圖像顏色增強算法。一種是自適應權重多尺度Retinex(AVBMSR)，另一種是結合亮度函數(shù)的自適應多尺度色調映射(AMSTM)。與其他算法普遍采用的平均權重不同，自適應權重賦予每個尺度的處理結果中每個像素點不同的權重值。此外，提出的算法可以在無需顏色復原步驟的情況下，避免處理結果色調偏移和飽和度下降的問題。實驗結果表明，本文