1. 研究目的与意义（文献综述包含参考文献）

一、文 献 综 述

（一）研究背景

随着信息时代的到来，人们获取图像的设备大多数为数码产品和移动智能手机，通过手中的移动设备记录每天生活发生的点滴。但是大多数手机的照相机的像素远远达不到专业相机的清晰度，同时受到环境因素尤其是光照的影响，很多手机拍摄的图像模糊不清，转移到电脑上放大以后，更是不清晰。随着各种移动设备的发展，相机的像素分辨率与日俱增，但是照相机的光圈大小基本上没有变化，噪声的介入依然没有得到有效地减少，所以降噪依然是十分重要的，尽管各种厂家力求在硬件上去弥补这种影响，但是基于软件的去噪方法更加流行同时可以独立于各种设备，可用性更广，实用性更强，性价比更高。虽然设备在不断提升，但是一些由于外部环境如夜晚，雾霾等因素，都会导致公共场所的监控设备，如交通电子眼，银行出口摄像头等获取的图像或视频质量很差，对车牌的跟踪，识别，监测带来了挑战，对于公共安全，财产保护等方面的监控都带来了困扰，而图像去噪技术在这些方面起到了很好的一个援助作用，通过降噪技术，使得后续的目标识别更为精准，所以图像去噪在人们生产、生活中变得越来越重要。

2. 研究的基本内容、问题解决措施及方案

二、本课题要研究或解决问题拟采用的研究手段（途径）：

1、研究问题

各种去噪算法都不是完美的，利用噪声图像减去各种去噪方法得到的去噪结果，得到的差值图中总是含有图像的信息，这个差值信息就定义为方法噪声。为了简化问题的难度，我们对方法噪声进行进一步的限制：假设各种去噪性能优越的算法的去噪结果中是不含有噪声的，仅仅是丢失了信息，这些算法我们选取bm3d、lssc、saist 作为比较。针对奇异值硬阈值带来信息丢失严重的问题，提出了基于维纳滤波的非局部低秩去噪算法。由于图像的自相似性，相似的图像块组成的相似块矩阵的结构信息可以利用矩阵的秩进行描述，这样对含噪矩阵进行低秩矩阵分解就可以达到去噪的效果。在进行低秩矩阵分解的过程中，结合维纳滤波的思想，设计自适应的奇异值阈值，对比实验结果表明，该方法不仅能够有效地平滑噪声，同时兼顾保留图像的结构纹理信息。任何算法对图像去噪后都会残留着一些信息在方法噪声中，因此利用低秩去噪结果，提出了一种基于方法噪声滤波的非局部图像去噪方法。该方法以基于维纳滤波的非局部低秩去噪的结果进一步作为先验信息，对方法噪声进行两次滤波，将丢失的信息，特别是一些结构纹理、边缘细节信息从方法噪声中提取出来。从提取的差异图中，可以清晰看到找回的纹理信息，对比试验结果表明，本方法在峰值信噪比和结构性的指标上都得到了一定的提高。提出了一种基于三维图像块矩阵进行低秩矩阵分解的非局部去噪方法。该方法利用高阶奇异值分解的优势结合图像块自身相似性的特点，有效的找到了一个合理的空间，通过将含噪图像块三维矩阵投影到该空间后，对投影的数据进行统计分析后同时结合高阶奇异值分解的特性，设计了一个基于能量的分层自适应阈值，有效地将图像信息和噪声信息分割开。