基于主成分分析的去除乘性噪声算法研究

论文摘要

数字图像处理方法的发展与数学理论在图像处理中的成功应用密不可分。图像噪声的模型主要分为加性噪声和乘性噪声。相对于加性噪声,乘性噪声由于和图像相关以及非高斯性而更为复杂。例如,在合成孔径雷达图像中广泛存在的Gamma分布噪声是一种典型的乘性噪声。乘性噪声的存在严重地影响了图像的质量,阻碍了进一步的研究和应用。因此,有效地抑制乘性噪声成为图像处理的一个关键问题。本文基于主成分分析法(PCA)和非局部像素分组方法研究乘性噪声的消除。在基于PCA消除加性噪声算法的基础上,提出了使用PCA去除乘性Gamma分布噪声的新方法。新方法包含三个阶段。第一,针对乘性噪声的特点,运用对数变换将原图像由空域转化到对数域,将乘性噪声转化为加性噪声；第二,在对数域通过选取局部相似块构建训练样本集,利用主成分分析法提取信号的主要特征,在主成分分析的变换域内,基于线性最小均方误差估计,给出了一种阈值原则,通过阈值消除噪声；第三,分析了由对数变换引起的偏差,通过偏估计和校正将对数域中的图像信息利用指数变换回到空域,得到滤波图像。仿真结果说明了本文算法在有效去除噪声的同时能很好的保留图像的细节特征。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 噪声抑制的研究现状
• 1.3 本文的主要研究内容和组织安排
• 第二章 图像去噪的理论基础和经典去噪算法
• 2.1 数字图像的矩阵表示
• 2.2 图像的噪声来源
• 2.3 图像处理中常见噪声模型
• 2.4 去噪效果的质量评价标准
• 2.5 去噪模型评价标准和评价方法
• 2.6 经典的去噪模型
• 第三章 主成分分析的理论基础及在图像处理中的应用
• 3.1 主成分分析的几何意义
• 3.2 主成分分析的数学思想
• 3.3 主成分分析的算法步骤
• 3.4 主成分分析的性质
• 3.5 主成分分析的研究现状及应用
• 第四章 基于主成分分析的去除噪声的方法
• 4.1 主成分分析法去除加性噪声原理及方法
• 4.2 去除图像乘性噪声的主成分分析算法
• 4.3 仿真实验
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 本文工作总结
• 5.2 工作展望
• 致谢
• 参考文献
• 在读期间研究成果