论文部分内容阅读
在图像处理的过程中,图像去噪是其中的重要一步,为图像的后续处理提供了基础。在对图像进行处理的各个环节中,图像去噪这一环节起着举足轻重的作用,后面的各个环节都依赖于图像去噪效果的好坏。通过对噪声相关特性的研究,学者们已经研究出了多种图像去噪方法,并在实际使用中取得了良好的效果。传统的去噪算法如小波阈值去噪、块阈值去噪方法都能取得比较好的去噪效果,但这些方法会出现伪吉布斯现象以及边缘模糊等问题。而且,小波去噪的相关算法在对小波系数进行处理的过程中,忽略了小波系数的整体特性。近十年来,随着压缩感知和稀疏表示相关理论的出现,为学者们对去噪相关领域的研究带来了新的思路,并已经成功地把相关理论运用到了图像去噪中。本文做的主要工作如下: 通过对小波阈值去噪相关理论的学习和理解,了解了小波去噪相关算法的优劣,并对其中的不足之处,结合稀疏表示的相关理论,使用稀疏表示的过完备字典以及字典学习算法,来对图像进行联合去噪。文中先对含噪图像中的高低频信号,使用小波分析进行分离,对分离得到的高频噪声信号采用稀疏表示的相关算法进行去噪,最后把得到的去噪后的高频信号和低频信号,使用小波反变换重新得到恢复的图像。通过对恢复的图像进行主观和客观的评价,本文的算法相对于传统的小波去噪方法和稀疏表示的相关算法,能取得更高的峰值信噪比和视觉上的效果。