论文部分内容阅读
伴随着科技的快速发展,数字图像成为了人类信息交流的新型载体。由于图像在生成和传输的过程中噪声不可避免,这些噪声不仅影响了图像的视觉效果,甚至改变了图像的内容和质量,对后续数字图像处理操作造成很大干扰。图像去噪技术正是为了解决这一问题而产生,其目的就是从受到噪声污染的图像中滤掉噪声,同时尽可能保护图像内部边缘和纹理等结构。大量仿真实验表明在频域空间进行去噪时,系数模值越大的位置包含的图像信息越多,因此本文以此理论为基础分别提出了以下两种基于频域的图像去噪算法:1、基于极谐变换的非下采样轮廓波域图像去噪算法。首先对待去噪图像进行非下采样轮廓波变换,对每个系数拓展成固定大小窗口并进行极谐变换(PHT),然后利用PHT系数代替像素值进行相似度计算,将得到的相似度作为该像素的权值来修改该像素点的系数。该方法不但保留了传统非局部均值去噪方法中的优点,还加入了具有良好频率选择性和正则性的非下采样轮廓波变换,将图像去噪过程从空域转换到变换域,利用极谐变换几何不变性进行相似度计算。实验结果也证明了该算法良好的去噪性能和极强的鲁棒性。2、基于一致性临近支持向量机的PDTDFB域图像去噪算法。首先对待去噪图像进行复数方向金字塔(PDTDFB)变换得到低频与高频子带,然后利用适当的阈值确定出每个子带的二元表,并结合空间规则构造特征向量,进而通过一致性临近支持向量机(PCC)进行训练,然后自适应确定出不同尺度、不同方向下子带的阈值并对每个子带进行去噪。该方法引入了一致性临近支持向量机,改善了支持向量机时间复杂度高、分类不精准的问题,并且通过PDTDFB变换在较小冗余度下实现了较高的方向性分辨率及多分辨率分解,通过实验表明,该算法提高了边缘保护能力,并且具有良好的去噪结果。3、将实现的算法运用于基于Matlab平台的去噪系统。该去噪系统具备了操作简单,功能齐全优势,使提出的算法可以更便捷地应用于实际去噪工作中。