基于新型多尺度变换的图像去噪算法研究

作     者：吴昌健 

作者单位：辽宁师范大学 

学位级别：硕士

导师姓名：王向阳

授予年度：2015年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：图像去噪 支持向量机 统计模型 二维经验模态分解 非下采样Shearlet 

摘      要：随着电脑的日益普及,加上互联网的迅猛发展,人们传递信息摆脱了以往通过写信或者电报的方式,越来越流行的是通过图像去获取现实世界中的信息。噪声可以理解为妨碍人的视觉或系统传感器对所接受信源信息进行理解的各种因素,图像在采集、获取以及传输的过程中,往往要受到噪声的污染。噪声不仅影响图像的分辨率,更重要的它会影响我们获得信息的准确性和全面性。正是这个原因,使得图像去噪成为科学研究领域中不可或缺的组成部分,图像去噪的成功与否会严重影响图像处理的后续操作。本文以新型多尺度变换为主线,提出了两个图像去噪方案:1、利用支持向量机(SVM)在处理分类问题上的巨大成就,提出了一种使用带有一致性的临近支持向量机(PCC)的图像去噪算法。PCC是SVM的改进算法,提高了分类的精度和速度。首先,应用非下采样Shearlet变换把含噪图像分解成不同尺度不同方向的子带;其次,利用PCC将非下采样Shearlet系数分类,分为我们不想要的噪声系数和我们想要保留的非噪声系数;然后,被判定为我们不想要的噪声的系数被过滤掉,剩下的系数即我们需要保留的,进行自适应阈值去噪处理;最后,通过非下采样Shearlet逆变换得到去噪后图像。本方案可以在较小的相对误差的情况下输出更高的PSNR值。2、近些年来,HMT模型在图像处理领域中被广泛应用,也有很多模型被构造出来进行图像去噪处理。本文以新型HMT为基础,在之前HMT模型基础上增加了系数尺度间关系,可以更好地描述系数结构,进而进行去噪处理。首先,应用二维经验模态分解(BEMD)对含噪图像分解为多个子带并对各子带中的大小系数应用指数概率分布计算它们的条件概率密度;其次,计算尺度间平均圆锥比率,求出联合概率密度进行新型HMT训练;最后,应用贝叶斯收缩函数进行去噪处理。通过重构图像可以看出,本方案能够很好的保留图像信息。