图像去噪是图像处理中的关键问题之一,是图像后续处理的基础。人们根据噪声特性,已经发展了多种图像去噪方法,它们在各自的适应范围内具有良好的去噪效果。但是这些方法往往依赖于图像信息以及图像噪声的统计特性,而在实际应用中,往往无法先验地获知图像和噪声的统计特性,从而无法获得好的去噪效果。 为了找到一种自适应的图像去噪方法,本文展开研究。基于图像稀疏分解和图像与噪声在稀疏分解中的不同表现,本文提出了一种自适应的图像去噪方法。具体在以下几个方面取得了一些进展: 1.首先针对传统的图像平滑去噪方法——均值滤波法的不足进行了改进,提出了形成不同模板的方法,从而针对不同的噪声水平可选取不同的模板,以达到最佳的平滑去噪效果,为后面提出的基于稀疏分解的图像去噪方法提供了可以比较的基础。 2.根据匹配跟踪图像稀疏分解的特点,结合人眼的视觉特性,选择较适合图像稀疏表达的非对称原子库。分析研究图像和噪声在稀疏分解中的不同表现,明确图像信息和噪声的区别。利用图像(或图像残余)和噪声与原子库相干性的不同,区分图像和噪声;以相干比阈值作为提取图像有用信息的结束条件,实现图像与噪声的自适应分离。实验证明了相干比阈值的选择与图像的类型和噪声水平没有关系,因而本文所提出的图像去噪方法是自适应的。 3.比较了稀疏分解图像去噪与最佳平滑模板去噪效果,就视觉效果来看,基于稀疏分解的图像去噪效果要好于最佳平滑模板的去噪效果。