圖像去噪技術(shù)研究背景及方法-資料下載頁
2024-10-27 10:07本頁面
【導(dǎo)讀】據(jù)、文字、圖像、視頻等在內(nèi)的多媒體形式。據(jù)統(tǒng)計，人類接受外界的信息中有。圖像處理技術(shù)在人類生產(chǎn)和生活的方方面面起到了越來越重要。產(chǎn)進(jìn)行定位和預(yù)測等。圖像的廣泛應(yīng)用對圖像的表示方法、處理模型和算法提出。了新的發(fā)展要求。近年來，在數(shù)學(xué)分析、計算機(jī)視覺、模式識別和統(tǒng)計分析等學(xué)。發(fā)展多尺度幾何分析的目的就是為了。重要特征集中體現(xiàn)于其低維子集中。聲對指紋圖像影響較為突出。范圍內(nèi)的“全部”頻譜成分，是研究周期現(xiàn)象不可或缺的工具。小波變換以犧牲部。穩(wěn)的特性，而小波變換恰恰是處理非平穩(wěn)信號的有力工具。對于一維分段連續(xù)信號來講，小波變換被認(rèn)為是非常有效的工。另一方面，二維可分離小波僅僅能捕捉到高維信號中有限的。優(yōu)逼近意義下的高維函數(shù)表示方法。樣也將深刻地影響各學(xué)科領(lǐng)域，其深度、廣度，甚至將超過小波分析。失，也不會產(chǎn)生任何冗余信息；小波變換把圖像分解成逼近圖像和細(xì)節(jié)圖像之和，為了獲取質(zhì)量較高的數(shù)字圖像，研究
【正文】 6J+1。為了降低第一代 Curvelet 變 換的冗余度， Candes 和 Guo 在 2020 年又提出了無需分塊操作和脊波變換的第二代 Curvelet 變換。第一代和第二代 Curvelet 基函數(shù)的一個非常重要的特性是它們都滿足各向異性尺度關(guān)系，即 Curvelet 基函數(shù)支撐區(qū)間的寬度與長度近似符合平方律 ： width 正比于 length 的平方。 4)Contourlet 受 Curvelet 變換的啟發(fā)， Do 和 Vetterli 在 2020 年提出了一種“真正”的圖像二維表示方法 — Contourlet 變換。 Contourlet 變換是一種多分辨的、多方向的和局部的圖像表 示方法。它繼承了 Curvelet 變換的各向異性尺度關(guān)系，其基函數(shù)支撐區(qū)間的長寬比隨尺度變化而變化，能以接近最優(yōu)的方式描述圖像邊緣。在一定意義上，可以認(rèn)為 Contourlet 變換是 Curvelet 變換的另一種低冗余度離散實(shí)現(xiàn)。Contourlet 變換的最終結(jié)果是用類似于線段 (Contour Segement)的基結(jié)構(gòu)來逼近原圖像，這也是其之所以被稱之為 Contourlet 變換的原因。 Contourlet 變換作為一種非自適應(yīng)的多尺度幾何分析方法，可以提供任意的方向選擇性，較小波變換可以實(shí)現(xiàn)更緊湊和稀疏的圖 像表示，對圖像紋理信息處理更有效。另外，它直接產(chǎn)生于離散域，較 Curvelet 更容易實(shí)現(xiàn)和應(yīng)用。 Contourlet 的優(yōu)良勝質(zhì)使其在圖像處理領(lǐng)域有著廣闊的應(yīng)用前景。 以上幾種主要的多尺度幾何分析方法，都是為了能夠充分利用圖像本身的幾何特征，根據(jù)自然圖像數(shù)據(jù)的固有特征，從人類視覺角度出發(fā)尋找最稀疏有效的圖像表 示方法。相較于小波在方向選擇性和非線性逼近等方面都有顯著的提高，代表著圖像處理深入發(fā)展的方向。在以上總結(jié)的幾種多尺度幾何分析方法中，自適應(yīng)方法一般先進(jìn)行邊緣檢測，再利用邊緣信息對原函數(shù)進(jìn)行最優(yōu)表示。自適應(yīng)方法在理論上可以實(shí)現(xiàn)對多維信號奇異特征的最優(yōu)逼近，但是存在計算量大的不足，而且對于大量實(shí)測信號，理論結(jié)果和實(shí)際處理結(jié)果之間常常存在差異 ； 與自適應(yīng)的方法不同，非自適應(yīng)的多尺度幾何分析方法并不需要先驗地知道圖像本身的幾何特征，也不需要事先進(jìn)行邊緣檢測，在工程實(shí)踐中應(yīng)用方便快捷。多尺度幾何分析是一個嶄新的領(lǐng)域，正在不斷地發(fā)展中，在國外也是剛起步不久 ； 國內(nèi)的許多學(xué)者也意識到了該領(lǐng)域的廣闊前景，積極投身于這場變革中。無論從理論上還是從應(yīng)用上來說，現(xiàn)階段都是它發(fā)展的黃金時期。隨著更多的研究者深入這一領(lǐng)域和信息技術(shù)發(fā)展的 推動，這一領(lǐng)域?qū)⑷招略庐?，將會出現(xiàn)更多的好的分析方法，從而更有效地表示和處理圖像，有望在圖像去噪、壓縮、增強(qiáng)以及融合等領(lǐng)域取得比小波分析更突出的 效果。 Contourlet 變換 是最近幾年才發(fā)展起來的一種新的多尺度幾何分析方法，它是一種“真正”的二維圖像表示方法，除繼承了小波變換的多分辨特性和時頻局部化特性外，還具有多方向性和各向異性。它實(shí)現(xiàn)了圖像的稀疏表示，對光滑的分段函數(shù)能夠達(dá)到最優(yōu)逼近，因而能更好地捕捉自然圖像中的“點(diǎn)奇異”和“線奇異”，能更有效地表示自然圖像。本文對 Contourlet 變換的原理 和構(gòu)造方法，以及它 在圖像去噪中的應(yīng)用進(jìn)行了系統(tǒng)的 研究 ，并在此基礎(chǔ)上提出了兩種新的 于Contourlet 變換的圖像去噪算法。本文研究了一種基于鄰域信息的 Contourlet 自適應(yīng)閾值去噪算法。該算法借鑒了經(jīng)典的閾值去噪法的思想，根據(jù) Contourlet 變換后系數(shù)的鄰域信息自適應(yīng)地調(diào)整閾值，并利用一種改進(jìn)的閾值函數(shù)對Contourlet 系數(shù)進(jìn)行收縮，以達(dá)到更好地去除噪聲的目的。實(shí)驗結(jié)果表明，使用該算法去噪后的圖像在主觀視覺效果和客觀質(zhì)量方面均優(yōu)于傳統(tǒng)的去噪方法。另外，本文通過對 Contourlet 系數(shù)間關(guān)系和統(tǒng) 計模型的深入研究，提出了一種基于尺度間系數(shù)相關(guān)性的 Contourlet 域圖像去噪算法，該算法在使用閾值法進(jìn)行去噪的同時，還考慮到了當(dāng)前 Contourlet 系數(shù)與其父系數(shù)之間的相關(guān)性。實(shí)驗結(jié)果表明，該算法在提高 PSNR 值的同時，相比較于其它常用去噪方法，去噪后圖像的紋理信息更清楚，圖像的視覺效果也更好 。
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1