圖像泊松去噪算法研究.pdf

1、圖像作為一種常用的信息載體，在人類社會(huì)活動(dòng)中發(fā)揮著重要作用。然而，圖像在采集與傳輸過(guò)程中，不可避免地會(huì)受到外界噪聲的污染。被污染后的圖像，不僅影響人們的視覺(jué)體驗(yàn)，還會(huì)對(duì)圖像的后續(xù)處理造成不利影響，因此如何有效去除圖像中的噪聲就顯得尤為重要。本文研究了圖像中泊松噪聲的去除問(wèn)題，主要對(duì)以下兩方面進(jìn)行研究。
　　基于貝葉斯估計(jì)的圖像去噪方法充分考慮了噪聲特性與圖像先驗(yàn)知識(shí)，具有去噪能力強(qiáng)和收斂穩(wěn)定性高等特點(diǎn)，是近年來(lái)應(yīng)用最廣的去噪算法。

2、本文基于貝葉斯估計(jì)，利用圖像的自相似性構(gòu)建圖像塊高斯先驗(yàn)?zāi)Ｐ停岢隽艘环N基于圖像塊的泊松去噪模型。該去噪模型是非二次凸函數(shù)且含有對(duì)數(shù)項(xiàng)，不易直接優(yōu)化，為此采用分裂Bregman方法對(duì)模型進(jìn)行數(shù)值求解，有效解決了模型的計(jì)算問(wèn)題。由于每個(gè)圖像塊不僅與圖像數(shù)據(jù)的樣本均值有關(guān)，而且還與圖像數(shù)據(jù)的樣本協(xié)方差矩陣有關(guān)，因而使用此算法可以得到每個(gè)塊的最優(yōu)估計(jì)。實(shí)驗(yàn)結(jié)果表明，本文所提出的算法不僅有效去除了圖像中的泊松噪聲，還具有良好的視覺(jué)效果。

3、　　基于已有的高斯去噪算法，本文探討了高斯去噪模型和泊松去噪模型之間的關(guān)系，提出了一種結(jié)合高斯去噪技術(shù)的泊松去噪算法。其中，高斯去噪算法是整體算法的中間迭代部分，它只有輸入和輸出功能，類似于一個(gè)“黑盒子”。盡管方差穩(wěn)定變換法也結(jié)合了高斯去噪算法，但其基本思想是使用變換法將泊松數(shù)據(jù)變成同方差的高斯數(shù)據(jù)后進(jìn)行去噪處理，然后使用反變換得到泊松去噪圖像。而本文所提出的方法不需要對(duì)原始泊松數(shù)據(jù)進(jìn)行變換，更不需要進(jìn)行逆變換，巧妙的避免了方差穩(wěn)定變換