基于正则化的加性高斯噪声的处理方法研究开题报告
2022-01-11 17:42:05
全文总字数:5094字
1. 研究目的与意义及国内外研究现状
随着信息化时代的飞速发展,获取、利用各种信息变得越来越普遍。人类主要通过视觉,从外部世界获取信息。因此,图像作为我们获取信息的重要渠道和传输信息的重要媒介,也越来越受到关注。图像的成像技术日趋成熟,各种数字设备也日益普及,人们获取真实可靠的图像,变得更加方便快捷。同时,人们可以通过各种人工或计算机方式,对所获取的图像进行科学的分析与处理,从而达到获取真实世界重要信息的目的。图像处理已被深入应用于工业、医疗、安保、军事、人工智能、机器视觉等各领域,并且发挥着日益重要的影响和作用。
然而,现有的成像系统、传输介质以及记录设备或多或少都存在不完善的地方,那么,图像在形成、传输或记录过程中不可避免地会引入各种噪声干扰,从而降低图像质量,即“退化”。例如,通过摄像机来获取的图像,光照程度与传感器温度等因素,都会导致在图像中引入大量噪声;通过网络来传输的图像,也会因传输介质、传输距离或其他因素而被干扰受到污染。噪声的引入是一个随机过程,而噪声分量灰度值相当于是随机变量。按照噪声的概率统计特性,可以把噪声分为均匀分布噪声、高斯噪声、椒盐噪声、伽马噪声、瑞利噪声、指数分布噪声等。按照噪声和信号的相互关系,可以把噪声模型分为加性噪声模型和乘性噪声模型两大类。这些噪声在很大程度上会影响人们对图像信息的提取、识别、分析及后期的图像处理。因此,在利用和分析图像的预处理步骤中,去除图像中的噪声是非常关键的一步,更是至关重要的。对于图像的进一步去噪,也亦是研究的关键。
国内外研究现状
均值滤波以待处理像素邻域内的像素均值代替该像素点的值,算法简单快捷。主要包括几何均值滤波、算术均值滤波、谐波均值滤波以及逆谐波均值滤波。 由于均值滤波方法对所有像素点都是同等对待,所以在处理噪声点时,并不考虑图像中的平坦区域、边缘区域或纹理细节区域,图像的边缘和细节等会因此而模糊和丢失,造成去噪后的图像过于平滑。为改善这种情况,可以用加权平均的思想来计算像素的复原值。
2. 研究的基本内容
掌握正则化的处理方法,对大背景知识图像降噪和修复方法进行了解。能够基于正则化对加性高斯噪声对已有的处理方法进行研究和修改,能提供更好的方法进行加性高斯噪声处理。 能够完整的做出基于正则化的tv模型的程序并实现,与其和基础的中值滤波均值滤波进行比较。以snr进行其精度对比和局部放大,展示其降噪水平以及可见的降噪强度。基于正则化的降噪方法,有引入正则项的tv模型。由rudin,osher和fatemr于1992年提出。对加性高斯噪声处理时:
1.对加性高斯噪声的分布形式及噪声特性进行分析研究,分析比较一般处理方法。
2.掌握正则化的处理方法,并将其应用于含噪图像中,分析其算法处理的有效性。
3. 实施方案、进度安排及预期效果
采用基于pdes的tv模型对图像进行降噪,对其进行去噪处理,然后对其进行降噪情况评估。再对于均值滤波和中值滤波进行比较和降噪能力甄别。基于matlab的程序制作目标。目标作出程序组。第一个程序组为基于matlab gui设计的界面,可以直观的录取图像,加上高斯噪声,再来进行tv降噪,并与中值均值进行对比。用snr值来判断降噪成果。第二个程序组为单独的读取特定图像canal.gif,对其生成单独的原图、加噪图、tv模型降噪图、均值滤波、中值滤波五幅图,附带了snr。然后取其截图进行视觉分析,最后对其绘出snr和迭代次数的图,分析tv模型的迭代次数和snr的关系,并选取合适的自适应迭代次数方法。
进度安排:
4. 参考文献
【1】L. Rudin, S. Osher, E. Fatemi. Nonlinear total variation based noise removal algorithms. Physica D, 1992, (60): 259-268.【2】J.-F. Aujol, G. Gilboa, N. Papadakis, “Non local total variation spectral framework”, Proc. Scale Space and Variational Methods in Computer Vision (SSVM), 2015【3】王军锋、裴艳侠、王涛,图像修复的CDD模型算法【N】 2016,25(8):135-138【4】闵莉花、冯灿,Compressive Sensing Reconstruction Based on Weighted Directional Total Variation【J】J. Shanghai Jiao Tong Univ. (Sci.), 2017, 22(1): 114-120【5】李青青,基于正则化方法的图形去噪模型的研究【D】 武汉理工大学 2013【6】夏良正,数字图像处理,南京,东南大学出版社,1999第一版.【7】宋海英,荀月凤,全变分图像去噪的研究【n】成都电子机械高等专科学校学报 2009-12(4)【8】刘祝华,图像去噪方法研究【D】.南昌:江西师范大学 2005【9】胡浩,王明照.自适应模糊加权均值滤波器[J].系统工程与电子技术,2002,24(2):15-17.【10】王发牛,韦穗.基于偏微分方程的噪声消除方法[J].计算机技术与发展,2002,12(4):81-82.【11】ALVAREZ L,MAZORRA L.Signal and image restoration using shock filters and anisotropic diffusion【J】.SIAM Journal on Numerical analysis,1994,31(2):590-605【12】冯立新编著.反问题的计算方法以及应用【M】.哈尔滨:哈尔滨工业大学出版社,2010.【13】刘继军.不是定问题的正则化方法及应用【M】.北京市:科学出版社,2005.【14】Perona P.,Malik J.Scale-Space and Edge Detection Using Anisotropic Diffusion【J】. IEEE Trans. Pattern Analysis And Machine Intelligence,1990, 12(7);629-639【15】Gilboa G,Sochen N,Zezvi Y.Y. Image Enhancement and Denoising by Complex Diffusion Processes【J】. IEEE Trans.On Pattern Analysis and Machine Intelligence,2004, 26(8):1020-1036.【16】Gilboa G,Zeavi Y.Y,Sochen N A.Complex Diffusion Process For Image Filtering【C】.Scale-Space 2001,LNCS 2106,Berlin:Springer-Verlad,2001.【17】ALMEIDA S C,ALMEIDA L B,Blind and semi-bilind deblurring of natural images【J】. IEEE Trans on Image Processing,2010,19(1):36-52.【18】Andrews H C,Hunt B R.Digital Image restoration【M】.Englewood Cliffs,NJ:Prentice-Hall,1977:23-24【19】Zhou W,ALNA C B,HAMID R S,et al.Image quality assessment:from error visibility to sructual similarity【J】.IEEE Transon Image Processing,2004,13(4):600-612