基于稀疏表示的小波图像去噪

论文摘要

图像内容的有效化表示是指用较少的数据捕获到感兴趣目标的能力,即稀疏表示的能力。图像的稀疏表示研究已经成为近年来图像处理领域的研究热点,形态成分分析(Morphological Component Analysis, MCA)是近年提出的一种基于稀疏表示的信号分解方法,将其应用于图像信息的表示并和其它的图像处理方法相接合具有广阔的应用前景。基于此,本文基于MCA稀疏表示方法,重点研究了以下几个方面的内容：1、研究了基于小波变换的图像去噪方法,并且数值实现了小波阈值去噪、模极大值去噪和相关系数法去噪,对各种方法的实验结果进行了对比分析。2、将形态成分分析方法与小波阈值去噪法相结合对图像进行去噪。具体包括确定MCA的冗余字典、图像分解、稀疏结构小波变换并进行阈值处理。实验结果证明在经过MCA稀疏表示图像的基础上去噪可以达到良好的去噪效果。3、对比不同阈值和阈值函数与MCA方法相结合的图像去噪结果,以及将未稀疏表示的去噪结果和稀疏表示的去噪结果相比较,实验结果证明稀疏表示图像更有利于图像的去噪。总之,本文重点研究了基于稀疏表示的图像去噪,实验结果证明稀疏表示图像同样可以得到较好的去噪效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 图像的稀疏表示
• 1.2.1 稀疏表示理论
• 1.2.2 稀疏表示的国内外研究现状
• 1.3 图像去噪原理
• 1.3.1 高斯滤波法
• 1.3.2 偏微分方法
• 1.4 本文主要内容
• 第二章 基于小波变换的图像去噪
• 2.1 小波变换理论
• 2.2 小波阈值去噪法
• 2.2.1 小波闽值去噪原理
• 2.2.2 阈值的选取
• 2.2.3 阈值函数的选取
• 2.2.4 小波阈值法实验结果及分析
• 2.3 模极大值去噪法
• 2.3.1 模极大值去噪原理
• 2.3.2 模极大值法实验结果及分析
• 2.4 相关系数法
• 2.4.1 相关系数法去噪原理
• 2.4.2 相关系数法实验结果及分析
• 第三章 稀疏表示结合小波变换图像去噪
• 3.1 信号的稀疏表示及追踪算法
• 3.2 MCA算法理论
• 3.3 MCA算法结合小波阈值去噪
• 3.3.1 MCA形态成分分析步骤
• 3.3.2 MCA算法结合小波阈值去噪结果
• 第四章 图像质量的评价
• 4.1 主观评价
• 4.2 客观评价
• 4.3 本文实验结果分析
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢