圖像處理中去噪與超像素生成算法研究.pdf

1、視覺是人類獲取信息的主要方式之一。圖像在人類工作和生活中充當著異常重要的角色。圖像處理就是指從圖像中提取信息的關(guān)鍵技術(shù)，在工業(yè)和生活等各個方面都有廣泛的應(yīng)用，如農(nóng)業(yè)生產(chǎn)、石油勘探、生物醫(yī)學等領(lǐng)域。圖像去噪與超像素生成（過分割）作為圖像處理中的兩個基本任務(wù)，為圖像分析和理解提供了堅實的基礎(chǔ)。
　　在圖像獲取、壓縮、傳輸階段，由于環(huán)境、傳輸信道等多種因素的影響，圖像會受到噪聲的干擾，而使圖像信息丟失，產(chǎn)生失真。對失真的圖像進行處理，勢

2、必會影響圖像處理的結(jié)果，降低提取信息的準確度，進而干擾據(jù)此做出的各種判斷和決策。圖像去噪即是要從含有噪聲的圖像信號中去除噪聲干擾，從而恢復(fù)出圖像真實信號，進而保證進一步圖像處理與分析結(jié)果的準確性。因為噪聲種類的多樣性，目前去噪算法還存在一些問題。一方面，圖像去噪算法通常都是針對某一種特殊的噪聲模型提出的，而算法效果很大程度上取決于所處理噪聲和算法所采用的噪聲模型的匹配程度。絕大多數(shù)已經(jīng)存在的去噪算法都是針對高斯噪聲而設(shè)計，對其他噪聲，如

3、椒鹽噪聲，則去噪效果微乎其微。另一方面，針對單幅圖像提出的去噪算法用于視頻序列去噪時，是對每一幀圖像依次分別進行處理，忽略了視頻的時域特征。
　　圖像超像素是將具有相似屬性的像素點聚集成一個區(qū)域，代替像素對圖像進行表示，從而減少表示圖像原子結(jié)構(gòu)的數(shù)量級，進而降低后續(xù)圖像處理算法的復(fù)雜度，為圖像處理算法的實時性提供可能。由于圖像本身種類繁多、內(nèi)容復(fù)雜，目前超像素生成算法還存在一些問題和挑戰(zhàn)。一方面，超像素的邊界應(yīng)該與圖像邊緣緊密貼合

4、。而在需要考慮緊致性的情形下，由于邊界貼合率與緊致性二者之間的相互制約關(guān)系，使得同時獲得既能較好保持邊界又具有高緊致性的超像素難度較大。另一方面，大多數(shù)算法都試圖生成大小一致的超像素，而由于圖像內(nèi)容分布的不均勻性，在超像素數(shù)目一定的情況下，如果平坦區(qū)域可以采用少量尺寸較大的超像素表示，而細節(jié)豐富的區(qū)域采用數(shù)量相對較多、尺寸較小的超像素進行表示，那么圖像就能獲得更準確的表達，這樣的超像素能保持更多的圖像信息。
　　本文圍繞上述圖像去

5、噪與超像素生成中存在的難點問題展開研究，并提出了多種解決方案。本文的主要工作包括:
　　1.提出了基于低秩矩陣恢復(fù)的去除視頻椒鹽噪聲的方法。通過觀察分析，視頻相鄰幀圖像之間具有很大的結(jié)構(gòu)相似性，也就是說視頻序列具有極高的時間冗余性。采用非局部處理方法的基本思想，將每一幀圖像當作一個圖像塊，相鄰幀圖像作為相似圖像塊，將其各自排列成列向量并構(gòu)成矩陣，該矩陣具有低秩性。這樣就將去除視頻椒鹽噪聲的問題轉(zhuǎn)換為了低秩矩陣恢復(fù)問題。該算法可以較

6、好的去除視頻信號中的椒鹽噪聲，并獲得令人滿意的量化結(jié)果。
　　2.提出了保持邊界的圖像超像素生成算法。為了使生成的超像素在兼顧緊致性的同時能更好的貼合圖像邊界，該算法重新定義了一個集超像素邊界信息、緊致性和內(nèi)部一致性于一體的距離度量函數(shù)對每個像素點進行歸類。同時通過設(shè)置參數(shù)，調(diào)節(jié)三者之間的比重，實現(xiàn)邊界貼合率與緊致性之間的可調(diào)平衡。為了能更好的刻畫圖像邊界，該算法還提出了一種利用鄰域像素信息度量像素點位于圖像邊界概率的計算公式。為

7、了使算法在每次迭代的過程中的結(jié)果能更加準確，算法中還提出了基于3-sigma原則的更新策略。實驗結(jié)果證明，該算法生成的超像素不僅能很好的貼合圖像邊界，而且可以在邊界貼合率和緊致性之間實現(xiàn)可調(diào)節(jié)的平衡。
　　3.提出了基于二次誤差測度(QEM)的超像素生成算法。圖像是從三維空間中經(jīng)過采樣得到的。如果將二維圖像反映射回三維空間，那么三維空間中的算法就可以用于圖像處理領(lǐng)域?；诖朔N想法，本文將圖像網(wǎng)格化，并拓展到三維空間，從而將圖像超像