基于稀疏正則化的WMSN圖像去噪算法研究.pdf

1、無線多媒體傳感器網(wǎng)絡(luò)（Wireless Multimedia Sensor Networks，WMSN）因其部署快速、組網(wǎng)靈活、感知視頻信息豐富等優(yōu)點而被廣泛應用于交通安全、環(huán)境監(jiān)測等領(lǐng)域。然而，WMSN監(jiān)測環(huán)境復雜多變，經(jīng)常遭受惡劣天氣及光照變化等外界條件的影響，從而造成WMSN圖像含有較多的噪聲，視覺效果難以達到監(jiān)測的要求。因此，為了保證WMSN環(huán)境監(jiān)測的可靠性，有必要研究適用于該復雜監(jiān)測場景下WMSN圖像的去噪方法。
　　圖

2、像去噪通常為不適定的反問題，而正則化方法可以引用圖像的多種先驗信息對問題施加正則性約束，將不適定問題轉(zhuǎn)化為求適定問題，目前已逐漸成為圖像去噪最常用的方法之一。同時，考慮到圖像的稀疏表示能充分刻畫圖像的本質(zhì)特征，并可以根據(jù)數(shù)據(jù)是否在字典上具有稀疏表示，將圖像的有用信息與噪聲有效區(qū)分。因此，將圖像的稀疏性先驗知識應用于去噪模型中的正則項構(gòu)建將會達到有效去噪的目的，且能夠保留更多的有用信息。據(jù)此，本文結(jié)合正則化和稀疏表示理論，深入研究基于稀疏

3、正則化的WMSN圖像去噪方法，對于保證WMSN監(jiān)測的可靠性具有重要意義。
　　通過對WMSN圖像特征的進一步深入分析，在基于K-SVD圖像去噪算法的基礎(chǔ)上，本文首先提出了一種基于結(jié)構(gòu)相似度（Structural SIMilarity，SSIM）的WMSN圖像稀疏正則化去噪算法。與前者不同的是，本文結(jié)合人眼視覺特性將結(jié)構(gòu)相似度代替均方誤差作為稀疏正則化去噪模型中的保真項，通過以其作為優(yōu)化準則，能夠最大限度地恢復圖像的幾何特征。實驗結(jié)

4、果表明，該算法相比于基于 K-SVD圖像去噪算法，在有效去噪的同時，能更好地保留圖像的結(jié)構(gòu)信息，獲得更佳的圖像視覺效果。
　　然而，上述方法只考慮了單個圖像塊自身的稀疏表示，卻沒有充分利用各圖像塊之間可能存在的結(jié)構(gòu)相似性，在一定程度上影響圖像去噪效果。因此，本文又提出了一種基于圖像梯度直方圖和非局部自相似的稀疏正則化去噪方法，該方法充分利用了圖像的稀疏性和非局部自相似（Non-loca Self-Similarity，NSS）兩種