數(shù)字圖像復(fù)原方法的研究.pdf

1、作為圖像處理和計算機(jī)視覺的基礎(chǔ),圖像復(fù)原能夠解決圖像質(zhì)量的退化問題。在圖像的攝取、傳輸和存儲的過程中,不可避免地會引入不同程度的模糊和噪聲,引起圖像質(zhì)量的下降,稱為圖像的降質(zhì)或退化。在許多應(yīng)用領(lǐng)域,如遙感、醫(yī)學(xué)成像和軍事監(jiān)察等,圖像退化都是一個普遍存在且亟需解決的問題。
　　 噪聲和模糊是導(dǎo)致圖像降質(zhì)最主要的兩個因素。而由于產(chǎn)生的原因不同,噪聲和模糊又都分為許多不同的類型。本文的重點(diǎn)是針對不同類型噪聲的去噪方法和對不同類型模糊的

2、點(diǎn)擴(kuò)散函數(shù)識別及估計方法的研究。本文的成果與創(chuàng)新主要包括:
　　 對于脈沖噪聲,本文提出一種基于參考圖像的去除隨機(jī)脈沖噪聲的算法。該方法利用鄰域像素相對差排序的統(tǒng)計方法來判斷每一個像素點(diǎn)是否被脈沖噪聲污染。一旦確定該像素被噪聲污染,利用一種簡單的加權(quán)濾波器對其進(jìn)行復(fù)原,該濾波器可以在保留圖像細(xì)節(jié)的同時抑制脈沖噪聲。大量的實驗結(jié)果表明,該方法在對脈沖點(diǎn)檢測的準(zhǔn)確率,復(fù)原圖像的峰值信噪比和算法的效率上都顯著優(yōu)于其他許多知名的去除隨機(jī)

3、脈沖噪聲方法。
　　 對加性高斯噪聲,本文提出了一種結(jié)合小波三元萎縮濾波器和空域聯(lián)合雙邊濾波器的去除高斯噪聲的方法。在小波域里,考慮到相鄰小波系數(shù)之間的相關(guān)性,提出一種三元小波系數(shù)模型,進(jìn)而利用最大后驗估計得到三元萎縮濾波器。盡管基于小波變換的去噪方法在圖像去噪方面非常有效,但也容易產(chǎn)生一些低頻噪聲和與小波結(jié)構(gòu)相關(guān)的偽影,影響主觀視覺效果。另一方面,一些基于空域的方法能夠得到去噪效果更好的圖像,但代價是這些算法都運(yùn)算量很大。所以

4、,為了減小運(yùn)算量,提高空域算法的效率,本文進(jìn)而提出一種基于小波去噪結(jié)果的聯(lián)合雙邊濾波器,由于不像別的算法直接在空域中運(yùn)算,該聯(lián)合雙邊濾波器可以用很小的運(yùn)算代價獲得很好的去噪效果。對于彩色圖像去噪聲,一個非常簡單的辦法就是將灰度圖像的去噪方法分別單獨(dú)用在不同的通道內(nèi),但這樣的方法顯然不是最優(yōu),因為通道之間可能存在著很強(qiáng)的相關(guān)性,好的彩色圖像去噪聲方法應(yīng)該能夠利用這些相關(guān)性。本文中的三元萎縮濾波器和聯(lián)合雙邊濾波器的另一個非常重要的優(yōu)點(diǎn)就是它

5、們都可以很容易的被擴(kuò)展到多通道,并且可以很好的利用這些相關(guān)性。所以本文對彩色圖像去高斯噪聲的問題也做了討論。通過實驗,我們主要從峰值信噪比和主觀復(fù)原效果等方面和一些重要的去高斯噪聲的算法進(jìn)行了對比,結(jié)果表明本文提出的算法非常具有競爭力。
　　 對于核磁共振醫(yī)學(xué)圖像中常出現(xiàn)的Rician噪聲,本文也提出了一種有效的去噪算法。盡管和高斯噪聲不同,Rician噪聲和信號本身具有一定的相關(guān)性,但考慮到它與高斯噪聲之間的聯(lián)系,本文提出一種

6、基于小波高斯去噪聲方法的迭代算法,實驗證明,這種方法可以非常有效的去除Rician噪聲。
　　 眾所周知,對于真實噪聲圖像,高斯白噪聲的假設(shè)并不總是準(zhǔn)確的。真實噪聲的特點(diǎn)主要表現(xiàn)為空間上的多樣性并且與信號和通道具有相關(guān)性。事實上,去除真實噪聲圖像中的非高斯噪聲是很困難的。本文提出新的基于圖像邊緣的雙邊濾波方法。該方法首先將噪聲圖像中的所有像素點(diǎn)分邊緣區(qū)域或非邊緣區(qū)域,對不同的區(qū)域采用不同的策略和參數(shù),很好的平衡去噪聲和保持圖像特