基于幾何結構的圖像去噪方法研究.pdf

1、圖像去噪是圖像處理領域中的一項基本技術。近年來各種各樣的去噪方法層出不窮,其中基于非局部相似和字典學習的方法是兩類重要的方法,非局部相似方法利用了圖像在非局部區(qū)域內(nèi)的自相似性,字典學習方法通過學習和圖像結構相似的字典原子使得圖像在字典上的表示更稀疏。它們利用了圖像不同方面的先驗信息,取得了出色的去噪效果。然而這些相關方法都沒有充分挖掘圖像的幾何結構信息,導致去噪圖像中存在部分紋理、邊緣等細節(jié)信息丟失的問題。圖像中包含豐富的直線、曲線與輪

2、廓狀的奇異性,對視覺認知起著關鍵的作用,在圖像復原中考慮這些內(nèi)在的幾何結構信息,將會提升重建的結果。本文研究了通過不同的方式挖掘圖像中的幾何結構信息,來提高圖像的去噪效果,主要工作包括以下幾個方面:
　　(1)設計了一種基于雙幾何的非局部均值去噪方法。在原始非局部均值方法中,像素點之間的相似性是通過圖像塊灰度值的高斯加權歐式距離來度量的,高斯核是各向同性的,只和距離有關,而可控核可以有效描述圖像的局部結構特征,因此,本論文用可控核

3、代替高斯核構造權重矩陣,并在像素和超像素兩個不同的級別上利用可控核,通過這樣一種非常簡單而巧妙的方式挖掘圖像的幾何結構信息,使得圖像細節(jié)信息得以保留,提高去噪效果。將該方法與原始非局部均值等方法在12幅自然圖像上進行實驗對比,結果顯示:該方法在去除噪聲的同時保留了更多的細節(jié)信息,去噪效果優(yōu)于其它同類對比方法。
　　(2)設計了一種基于幾何結構與張量稀疏表示的去噪方法。本方法首先根據(jù)幾何結構的差異性將樣例庫中的干凈圖像塊分成不同的類

4、型,如邊緣塊,紋理塊,平滑塊等,并學習各個類型的字典,然后對每個含噪圖像塊在相應的字典下做張量稀疏表示,最后將所有處理后的圖像塊聚合得到去噪后的圖像。該方法將圖像的幾何結構信息與張量理論引入到原始的稀疏表示與字典學習去噪方法中,彌補了原有方法中利用全局字典不能有效表示不同類型圖像塊的不足,同時克服每個圖像塊都以向量化形式進行表示,失去圖像原有局部結構的缺陷。將該方法與基于稀疏表示與字典學習去噪等方法在12幅自然圖像上進行實驗對比,結果顯

5、示:該方法保持了更多的幾何結構信息,在多數(shù)情況下去噪結果都優(yōu)于其它同類對比方法。
　　(3)設計了一種基于幾何結構與低秩表示的去噪方法。本方法將幾何結構信息引入低秩表示的框架下,利用圖像的灰度特征和幾何結構特征對所有的圖像塊進行聚類,并對每類內(nèi)的相似塊做低秩表示,通過約束系數(shù)矩陣的低秩性逼近真實圖像,同時在處理過程中采用了殘差補償?shù)牡鷪?zhí)行方式。該方法利用了圖像的非局部相似性,同時克服了稀疏表示一次只能求一個圖像塊的稀疏系數(shù),每個