基于幾何結(jié)構(gòu)的圖像去噪方法研究.pdf

1、圖像去噪是圖像處理領(lǐng)域中的一項(xiàng)基本技術(shù)。近年來各種各樣的去噪方法層出不窮,其中基于非局部相似和字典學(xué)習(xí)的方法是兩類重要的方法,非局部相似方法利用了圖像在非局部區(qū)域內(nèi)的自相似性,字典學(xué)習(xí)方法通過學(xué)習(xí)和圖像結(jié)構(gòu)相似的字典原子使得圖像在字典上的表示更稀疏。它們利用了圖像不同方面的先驗(yàn)信息,取得了出色的去噪效果。然而這些相關(guān)方法都沒有充分挖掘圖像的幾何結(jié)構(gòu)信息,導(dǎo)致去噪圖像中存在部分紋理、邊緣等細(xì)節(jié)信息丟失的問題。圖像中包含豐富的直線、曲線與輪

2、廓狀的奇異性,對(duì)視覺認(rèn)知起著關(guān)鍵的作用,在圖像復(fù)原中考慮這些內(nèi)在的幾何結(jié)構(gòu)信息,將會(huì)提升重建的結(jié)果。本文研究了通過不同的方式挖掘圖像中的幾何結(jié)構(gòu)信息,來提高圖像的去噪效果,主要工作包括以下幾個(gè)方面:
　　(1)設(shè)計(jì)了一種基于雙幾何的非局部均值去噪方法。在原始非局部均值方法中,像素點(diǎn)之間的相似性是通過圖像塊灰度值的高斯加權(quán)歐式距離來度量的,高斯核是各向同性的,只和距離有關(guān),而可控核可以有效描述圖像的局部結(jié)構(gòu)特征,因此,本論文用可控核

3、代替高斯核構(gòu)造權(quán)重矩陣,并在像素和超像素兩個(gè)不同的級(jí)別上利用可控核,通過這樣一種非常簡單而巧妙的方式挖掘圖像的幾何結(jié)構(gòu)信息,使得圖像細(xì)節(jié)信息得以保留,提高去噪效果。將該方法與原始非局部均值等方法在12幅自然圖像上進(jìn)行實(shí)驗(yàn)對(duì)比,結(jié)果顯示:該方法在去除噪聲的同時(shí)保留了更多的細(xì)節(jié)信息,去噪效果優(yōu)于其它同類對(duì)比方法。
　　(2)設(shè)計(jì)了一種基于幾何結(jié)構(gòu)與張量稀疏表示的去噪方法。本方法首先根據(jù)幾何結(jié)構(gòu)的差異性將樣例庫中的干凈圖像塊分成不同的類

4、型,如邊緣塊,紋理塊,平滑塊等,并學(xué)習(xí)各個(gè)類型的字典,然后對(duì)每個(gè)含噪圖像塊在相應(yīng)的字典下做張量稀疏表示,最后將所有處理后的圖像塊聚合得到去噪后的圖像。該方法將圖像的幾何結(jié)構(gòu)信息與張量理論引入到原始的稀疏表示與字典學(xué)習(xí)去噪方法中,彌補(bǔ)了原有方法中利用全局字典不能有效表示不同類型圖像塊的不足,同時(shí)克服每個(gè)圖像塊都以向量化形式進(jìn)行表示,失去圖像原有局部結(jié)構(gòu)的缺陷。將該方法與基于稀疏表示與字典學(xué)習(xí)去噪等方法在12幅自然圖像上進(jìn)行實(shí)驗(yàn)對(duì)比,結(jié)果顯

5、示:該方法保持了更多的幾何結(jié)構(gòu)信息,在多數(shù)情況下去噪結(jié)果都優(yōu)于其它同類對(duì)比方法。
　　(3)設(shè)計(jì)了一種基于幾何結(jié)構(gòu)與低秩表示的去噪方法。本方法將幾何結(jié)構(gòu)信息引入低秩表示的框架下,利用圖像的灰度特征和幾何結(jié)構(gòu)特征對(duì)所有的圖像塊進(jìn)行聚類,并對(duì)每類內(nèi)的相似塊做低秩表示,通過約束系數(shù)矩陣的低秩性逼近真實(shí)圖像,同時(shí)在處理過程中采用了殘差補(bǔ)償?shù)牡鷪?zhí)行方式。該方法利用了圖像的非局部相似性,同時(shí)克服了稀疏表示一次只能求一個(gè)圖像塊的稀疏系數(shù),每個(gè)