乘性噪聲圖像恢復(fù)的變分方法.pdf

1、圖像去噪是數(shù)字圖像處理的重要環(huán)節(jié)?，F(xiàn)實(shí)中，圖像在被獲取和被傳輸時(shí)常常會(huì)受到各種各樣的噪聲的干擾，按其影響可分為加性噪聲和乘性噪聲模型兩大類(lèi)。對(duì)于乘性噪聲一般可以通過(guò)某種變換轉(zhuǎn)變?yōu)榧有栽肼暎ɡ鐚?duì)數(shù)變換），因此對(duì)于加性噪聲的研究最為廣泛。然而，由于噪聲的復(fù)雜性，這種直截了當(dāng)?shù)姆椒ú⒉荒艿玫嚼硐氲慕Y(jié)果，在強(qiáng)烈的乘性噪聲環(huán)境下，這種差距尤其明顯。因此必須針對(duì)乘性噪聲采用不同的方法，否則很難獲得滿(mǎn)意的處理效果。本文主要研究在乘性噪聲環(huán)境下，進(jìn)行

2、圖像去噪和增強(qiáng)的變分方法。 本文的主要工作如下： 1、首先對(duì)圖像去噪的國(guó)內(nèi)外發(fā)展現(xiàn)狀進(jìn)行了闡述，包括國(guó)際上對(duì)乘性噪聲的研究現(xiàn)狀。然后介紹了圖像去噪的理論基礎(chǔ)，包括數(shù)字圖像的特點(diǎn)，噪聲的分類(lèi)和噪聲模型，以及圖像質(zhì)量評(píng)價(jià)。 2、介紹了非線性擴(kuò)散技術(shù)的理論原理及其發(fā)展，對(duì)非線性擴(kuò)散中典型的PM模型做了具體介紹，并分析其優(yōu)、缺點(diǎn)。然后又介紹了兩個(gè)改進(jìn)模型——正則化PM模型和方向擴(kuò)散模型，并分析了其特點(diǎn)。 3、詳細(xì)

3、介紹了基于TV模型的變分去噪模型和有關(guān)理論，并分析了其優(yōu)、缺點(diǎn)。介紹了已有模型的數(shù)值保真項(xiàng)的研究。然后分析了乘性噪聲保真項(xiàng)的特點(diǎn)，并與加性噪聲的保真項(xiàng)進(jìn)行了比較。介紹了基于TV模型的乘性去噪模型，并通過(guò)一維信號(hào)的實(shí)驗(yàn)對(duì)乘性保真項(xiàng)與加性保真項(xiàng)的區(qū)別和特點(diǎn)進(jìn)行了分析和驗(yàn)證。實(shí)驗(yàn)表明對(duì)于去除乘性噪聲，乘性保真項(xiàng)比加性保真項(xiàng)有效的多，加性保真項(xiàng)是線性向后擴(kuò)散的保真項(xiàng)，而乘性保真項(xiàng)是非線性向前擴(kuò)散的保真項(xiàng)。 4、基于以上原理，將典型的非線

4、性擴(kuò)散模型引入到乘性噪聲模型去噪工作中來(lái)，提出了乘性PM模型和乘性正則化PM模型和乘性方向擴(kuò)散模型。并且通過(guò)實(shí)驗(yàn)，驗(yàn)證了以上方法的有效性。實(shí)驗(yàn)結(jié)果表明，對(duì)于只含有邊緣和梯度為0的圖像，乘性PM模型的信噪比最高。而對(duì)于一般的圖像，乘性正則化PM模型的信噪比最高。乘性方向擴(kuò)散模型的邊緣比較平滑。 5、階梯效應(yīng)是ROF模型和RLO模型等去噪時(shí)產(chǎn)生的缺點(diǎn)之一，本文介紹了階梯效應(yīng)產(chǎn)生的原因。通過(guò)實(shí)驗(yàn)，證明了乘性保真項(xiàng)與加性保真項(xiàng)產(chǎn)生的階梯

5、效應(yīng)程度不同，但依然存在。為了去除階梯效應(yīng)，介紹了幾種基于拉普拉斯算子的去噪模型。然后又介紹了基于梯度和拉普拉斯算子的混合去噪模型，并分析了其特點(diǎn)。將基于拉普拉斯算子的模型引入到乘性模型中來(lái)，提出了基于拉普拉斯算子的乘性模型，通過(guò)一維信號(hào)的分析，驗(yàn)證了基于拉普拉斯算子的乘性模型在邊緣處為向前擴(kuò)散，而在靠近邊緣的區(qū)域?yàn)橄蚝髷U(kuò)散，并且可有效去除階梯效應(yīng)。在此基礎(chǔ)上，將基于梯度算子的PM模型與基于拉普拉斯算子的PM混合模型引入到乘性噪聲去除工