运动模糊图像恢复和小波阈值去噪算法研究

论文摘要

图像恢复和图像去噪是图像处理中的重要问题,其对于改善图像质量具有重要的意义。本文对运动模糊恢复和基于小波变换的图像去噪技术进行研究,主要做了以下几方面的工作:1.考虑到传统的图像质量评价方法不能有效反映主观视觉感受,本文基于方向信息测度提出了一种改进的SSIM算法。实验结果表明该方法与主观视觉感受有很强的相关性并且能够有效反映图像的质量。2.对于图像的运动模糊恢复,现有算法多是针对线性、空间平移不变的模糊情况,难以应用于空间可变运动模糊的恢复中去。鉴于此,本文提出了一种新的旋转运动模糊参数辨识和恢复算法。首先,在边缘图中检测有效圆弧,利用最小二乘圆拟合算法得到了旋转中心;然后,对模糊图像进行紧致极坐标变换,在变换域中建立“峰度—参数”曲线来辨识模糊角度;最后,采用改进的约束最小二乘算法进行图像恢复。实验结果表明了该方法的有效性。3.基于对小波图像去噪理论的分析,本文重点研究了阈值去噪算法并且得到三种去噪方法:首先,提出了一种新的阈值函数,该函数能够克服硬阈值函数不连续以及软阈值函数存在固定偏差的问题;其次,基于GCV准则估计出最优阈值和邻域窗口大小来对NeighShrink方法进行改进,实验结果表明该方法的去噪性能优于原始NeighShrink算法和现有的多种算法;最后,鉴于小波变换难以捕获实际图像几何正则性的缺点,把多尺度几何分析引入到图像去噪中,将改进的NeighShrink算法推广到Contourlet变换域,得到了一种新的图像去噪方法。该方法不仅能够较好地去除噪声,而且能够有效地保持图像边缘,在PSNR指标和主观视觉感受上优于其他的去噪方法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 运动模糊恢复与图像去噪的研究现状
• 1.2.1 运动模糊恢复技术的研究现状
• 1.2.2 小波去噪的研究现状
• 1.3 当前运动模糊恢复与小波去噪所存在的主要问题
• 1.4 课题主要工作和论文结构安排
• 第二章 课题相关基本理论
• 2.1 图像降质模型
• 2.2 图像反卷积理论基础
• 2.3 图像噪声模型
• 2.3.1 噪声的产生
• 2.3.2 噪声的分布模型
• 2.3.3 噪声与信号的关系
• 2.4 小波分析理论
• 2.4.1 连续小波变换
• 2.4.2 离散小波变换
• 2.4.3 二维小波变换和多分辨率分析
• 2.5 图像质量评价标准
• 2.5.1 主观质量评价标准
• 2.5.2 客观质量评价标准
• 2.5.3 改进的SSIM 算法
• 2.6 本章小结
• 第三章 运动模糊恢复算法研究
• 3.1 匀速直线运动模糊恢复
• 3.1.1 匀速直线运动模糊的降质模型
• 3.1.2 匀速直线运动模糊的恢复方法
• 3.1.3 匀速直线运动模糊的参数辨识方法
• 3.2 匀速旋转运动模糊恢复
• 3.2.1 匀速旋转运动模糊的降质模型
• 3.2.2 匀速旋转运动模糊恢复方法
• 3.2.3 匀速旋转运动模糊的参数辨识方法
• 3.2.4 实验结果与分析
• 3.3 运动模糊恢复中的振铃消除
• 3.3.1 振铃现象分析
• 3.3.2 振铃现象消除
• 3.3.3 实验结果
• 3.4 本章小结
• 第四章 小波图像去噪算法研究
• 4.1 小波图像去噪的原理和方法
• 4.1.1 小波图像去噪问题的描述
• 4.1.2 小波图像去噪的原理
• 4.1.3 小波图像去噪的发展
• 4.1.4 小波图像去噪的方法
• 4.2 小波阈值去噪
• 4.2.1 小波阈值去噪方法
• 4.2.2 阈值函数选取
• 4.2.3 阈值选取
• 4.2.4 基于新阈值函数的去噪方法
• 4.2.5 实验结果与分析
• 4.3 改进的局部自适应阈值去噪方法
• 4.3.1 NeighShrink 算法
• 4.3.2 改进算法
• 4.3.3 实验结果与分析
• 4.4 基于Contourlet 变换的阈值去噪方法研究
• 4.4.1 多尺度几何分析
• 4.4.2 Contourlet 变换
• 4.4.3 基于Contourlet 变换的图像去噪方法
• 4.4.4 改进的Contourlet 变换的图像去噪方法
• 4.4.5 实验结果与分析
• 4.5 本章小结
• 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果