论文部分内容阅读
一般来说,在图像采集和传输的过程中,由于所使用的设备和传输通道的局限性,常常会引入噪声,影响图像的视觉效果,甚至妨碍了人们的正常识别。所以,为了提高图像的质量以及后续更高层次的处理,对图像进行去噪处理就成为图像处理中一项不可缺少的重要环节。本文对三维块匹配图像滤波技术进行深入研究,提出了一种结合奇异值分解和自适应阈值的三维块匹配滤波算法(SVD-ABM3D)。论文的主要研究工作包括:1、提出了一种自适应分组阈值的改进三维块匹配滤波算法(A-BM3D)。由于BM3D在相似图像块匹配时采用固定的匹配阈值,在处理不同噪声强度的含噪图像时无法获得最佳的匹配阈值,导致了算法性能的下降。而A-BM3D算法能够根据不同噪声强度的含噪图像自适应地调整匹配阈值,从而保证了相似块匹配时能获得足量的相似图像块。其具体的过程是:将标准图像分成若干子块后计算各个图像子块与其他子块的结构相似度量(SSIM)和BM3D欧式距离,截取最大SSIM对应的欧式距离作为最佳阈值;然后对标准图像加入不同噪声强度后进行同样的分块处理,估计不同噪声下各个分块的噪声强度均值和梯度均值;最后拟合每个分块的数据得到自适应阈值计算公式。实验结果表明,A-BM3D的去噪效果在客观评价标准上和主观视觉评价上都有较大的提升,图像边缘细节部分更加清晰,平坦区域也更加光滑。2、在A-BM3D算法的基础上,为进一步提高高强度噪声图像的去噪效果,提出了一种结合奇异值分解和自适应阈值的三维块匹配滤波算法(SVD-ABM3D)。其基本思想是:在执行A-BM3D之前,先检测含噪图像的噪声强度,对高强度的噪声图像进行奇异值分解并选择合适的奇异值重构数目进行重构,然后再进行自适应阈值的三维块匹配滤波;对于低强度的噪声图像,由于奇异值滤波的有损性,低噪情况下奇异值分解的去噪效果的改善并不能弥补图像质量降低带来的不足,因此强制执行基于奇异值分解的前置滤波并不可取。实验结果表明,采用基于奇异值分解的前置滤波,可以有效地提高A-BM3D对高噪图像的去噪效果。