基于MCMC采樣的非局部圖像去噪方法研究.pdf

1、圖像作為信息化時代的一種重要的信息載體，其對應(yīng)的圖像處理技術(shù)已廣泛地應(yīng)用于各個領(lǐng)域，如航空航天、軍事、治安監(jiān)控、醫(yī)療衛(wèi)生等。在這些應(yīng)用領(lǐng)域，一幅高質(zhì)量的圖像對相關(guān)問題的分析和后續(xù)處理起著至關(guān)重要的作用。但由于采集設(shè)備、通訊條件等因素的限制，圖像在采集、傳輸與存儲過程中無法避免受到各種噪聲信號的污染，導(dǎo)致圖像偏離了它的真實(shí)情況，大大降低了對圖像目標(biāo)信息后續(xù)的解釋和編譯能力，如特征提取、目標(biāo)識別和圖像分析。這使得在利用圖像之前有必要去除圖像

2、中的噪聲。
　　為克服非局部平均方法在選擇相似塊時間復(fù)雜度高的缺點(diǎn),并且充分利用非局部相似塊之間的結(jié)構(gòu)特征信息，更好地保護(hù)圖像原有結(jié)構(gòu)信息，論文工作著重從兩個階段來改善現(xiàn)有的非局部平均算法，即相似塊的搜索和在此基礎(chǔ)上的非局部去噪方法。主要包括以下幾個方面的工作：
　　1.提出一種非局部馬爾科夫蒙特卡羅采樣和低秩逼近的隨機(jī)去噪方法。該方法首先通過馬爾科夫蒙特卡羅隨機(jī)采樣尋找每個圖像塊的相似匹配塊組，然后對這些相似匹配塊組進(jìn)行奇

3、異值分解，用分解后的低秩結(jié)構(gòu)恢復(fù)原圖像，從而達(dá)到去噪的目的。實(shí)驗(yàn)表明，所提方法計算復(fù)雜度低，和非局部平均方法相比，較好地保留了邊緣等細(xì)節(jié)信息；和BM3D方法相比，所提方法能保持較好的視覺質(zhì)量。
　　2.為降低奇異值分解的低秩逼近方法的計算代價，減少對原數(shù)據(jù)的重構(gòu)誤差，提出一種基于雙邊下采樣傅里葉變換投影的低秩逼近圖像去噪算法。該算法改變高斯隨機(jī)下采樣投影，采用下采樣隨機(jī)傅里葉變換投影，達(dá)到對原數(shù)據(jù)更高的重構(gòu)精度。實(shí)驗(yàn)結(jié)果表明，所提

4、算法能有效地逼近奇異值分解的最小重構(gòu)誤差，降低計算復(fù)雜度。與NLM方法相比，在去除噪聲的同時較好地保留了原圖像的結(jié)構(gòu)信息；與單邊隨機(jī)投影低秩逼近方法相比，保證了較低的重構(gòu)誤差；和BM3D方法相比，所提方法能保持較好的視覺質(zhì)量。
　　3.提出了一種自適應(yīng)隨機(jī)非局部去噪方法，在圖像的不同位置確定對應(yīng)的非局部相似塊的最佳尺寸，從而提升去噪圖像的質(zhì)量。新方法分為兩個階段實(shí)現(xiàn)：基于自適應(yīng)窗的相似塊搜索，和在此基礎(chǔ)上的雙向非局部去噪算法。在第

5、一階段，對噪聲圖像每個像素點(diǎn)鄰域通過多次馬爾科夫蒙特卡羅隨機(jī)采樣尋找到多個相似匹配塊組；利用不同匹配塊組估計的一致性給出相似塊尺寸調(diào)整的判據(jù)；調(diào)整相似塊尺寸并重復(fù)上述過程得到該像素點(diǎn)鄰域的最佳相似塊尺寸和對應(yīng)的最優(yōu)相似塊組。在第二階段，為充分利用選定的相似塊組的雙向相似結(jié)構(gòu)，同時為減少計算代價，提出修正的雙向非局部算法，得到對應(yīng)的無噪相似塊組的估計；進(jìn)一步利用疊加的方法得到去噪圖像。理論分析和仿真實(shí)驗(yàn)結(jié)果表明：相比于固定尺寸窗的去噪算法

6、，如BM3D和NLM方法等，本文算法具有較低的時間復(fù)雜度，去噪后圖像具有更高的圖像質(zhì)量和理想的視覺效果。
　　4.提出一種分而治之的隨機(jī)圖像去噪方法。所提方法采用分而治之的策略提取圖像中的方向信息，進(jìn)行有方向的采樣。首先使用小波變換將觀測圖像分成不同子帶圖像提取不同方向的方向結(jié)構(gòu)信息；其次對各子帶圖像采用不同的橢圓高斯采樣獲得不同子帶相似塊，此方法降低高斯分布下的高采樣拒絕率。在第二階段對已選定的相似塊進(jìn)行處理，為避免使用稀疏編碼