论文部分内容阅读
图像是人们获得信息的重要来源,图像质量的好坏直接影响着信息获得的多少和质量,图像处理作为一种重要的技术能够对采集到的信息进行加工,从而得到人们所需要的内容,而去噪作为图像预处理里面中心的环节,将会影响着后续处理工作的进程。
从傅里叶到时频分析,从空域到频域,图像去噪方法逐步提高,随着多尺度、多分辨的引入,小波已经成为一种强大的分析工具,在图像去噪等方面表现非常优秀,在一维信号分析上面可以达到近似完美,但是在图像以至于高维信号分析上面缺少各项异性,导致表达信号上面出现冗余,于是出现了多尺度几何分析的方法,本文围绕这一课题进行了以下的工作:
1)对多尺度几何分析理论进行研究。分别探讨了傅里叶、小波、多尺度分析方法的特点。
2)研究了基于Contourlet变换的贝叶斯阈值去噪算法以及稀疏表示和字典学习的去噪算法,并通过实验验证分析了两者的性能。
3)提出了利用Contourlet变换与稀疏字典相结合的方法。该方法有效抑制了Contourlet变换所产生的伪Gibbs现象,就是在奇异点附近呈现较大的波动,显然这是不利的。而稀疏字典的方法能够通过自适应的对图像进行学习,很好的表现了图像的轮廓和边缘特征。通过对不同图像的仿真实验,从中能够得到新的方法在图像去噪上面性能更加的优良。
从傅里叶到时频分析,从空域到频域,图像去噪方法逐步提高,随着多尺度、多分辨的引入,小波已经成为一种强大的分析工具,在图像去噪等方面表现非常优秀,在一维信号分析上面可以达到近似完美,但是在图像以至于高维信号分析上面缺少各项异性,导致表达信号上面出现冗余,于是出现了多尺度几何分析的方法,本文围绕这一课题进行了以下的工作:
1)对多尺度几何分析理论进行研究。分别探讨了傅里叶、小波、多尺度分析方法的特点。
2)研究了基于Contourlet变换的贝叶斯阈值去噪算法以及稀疏表示和字典学习的去噪算法,并通过实验验证分析了两者的性能。
3)提出了利用Contourlet变换与稀疏字典相结合的方法。该方法有效抑制了Contourlet变换所产生的伪Gibbs现象,就是在奇异点附近呈现较大的波动,显然这是不利的。而稀疏字典的方法能够通过自适应的对图像进行学习,很好的表现了图像的轮廓和边缘特征。通过对不同图像的仿真实验,从中能够得到新的方法在图像去噪上面性能更加的优良。