大学毕业论文-—基于curvelet变换与偏微分方程的图像去噪算法研究.doc

《大学毕业论文-—基于curvelet变换与偏微分方程的图像去噪算法研究.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、长春工业大学硕士学位论文分硕士学位论文基于FPGA的MACRO运动控制网络的研究及实现ResearchandRealizationofMACROMotionControlNetworkbasedonFPGAIV长春工业大学硕士学位论文摘要图像去噪是图像处理中一项最基本的课题，在图像的采集、获取和传输过程中，由于成像系统内部和外部受到各种因素的干扰，会对图像造成不同程度的噪挥着不可忽视的作用。目前，已经广泛应用于天文学、经济领域、医学图像、军事侦察、法律、计算机视觉、光学遥感、航天航空技术、气象云图分析、材料科学、艺术领域、视频和多媒体图像处理等众多科学技术领域。Curvelet变换与偏微

2、分方程方法是两种非常有效的图像去噪算法，从过去的二十几良好的保持能力，由于它们自身的特性而被广泛应用于数字图像处理各个分支中。本文在研究Curvelet变换与偏微分方程去噪理论的基础上，对它们的优缺点进行了分析。由于Curvelet变换在逼近曲线时内部的线状局域相关性使得去除噪声的同时常常伴有“环绕”效应，即图像上出现许多交错的划痕。运用整体变分(TV)方法进行图像去噪，当噪声较小的时候，只需很少次的迭代就能达到很好的滤波效果；当处理的噪声比较大的时候，要使峰值信噪比达到最优，随着迭代次数的增加，平滑强度的增强，去，由此，本文结合两者的优点提出了一种新的混合去噪算法，对Curvelet变

3、换(这里采用USFFT方法来实现Curvelet变换)处理后的图像运用TV方法进行进一步的滤波处理。实验表明，该方法只需极少次的迭代便能有效抑制Curvelet方法带来的“环绕”效应，而不会出现“块”效应，从而改进了Curvelet变换去噪算法，且在计算时间上优于TV方法，取得了更好的综合性能。关键词：图像去噪Curvelet变换偏微分方程TV模型关键词：图像去噪Curvelet变换偏微分方程TV模型Curvelet变换偏微分方程TV模型IV长春工业大学硕士学位论文AbstractImagedenoisingisoneofthemostbasicsubjectoftheimageproc

4、essing.Intheprocessofimageacquisitionandtransmission,byvirtueoftheinteriorandexterioroftheimagesystemssufferfromvariousofinterferingsignal,whichleadingtonoisepollutionofdifferentnoisefromanimagetoobtainthevisualeffectoforiginalimage.Imagedenoisingisthereconnaissance,law,computervision,opticalremo

5、tesensing,thetechnologiesofaeronauticsandastronautics,meteorologycloudimageanalysis,materialscience,artsfield,videosandmultimediaimageprocessingandsoon.Inthepaper,westudytheimagedenoisingtheoriesbasedoncurvelettransformandpartialdifferentialequationsandanalysistheiradvantagesanddisadvantagesfirst

6、ly.Becausetherearelocallinearcorrelationsofthecurvelettransform,somesurroundingeffectsnamedtheedgesofimageisbecomingblurring,atthesametime,itbringslargecomputationalnewhybriddenoisingmethodisproposedcombiningcurveletbasedmethodandTVmethodbasedonanalysisthetwoalgorithmsdeeply.Performcurvelettransf

7、ormtoimage(weuseUnequally-spaceFastFourierTransformmethodtoimplementitinthispaper),thenperformfurtherTVfilteringtodoseconddenoisingprocessing.Theexperimentresultsshowthatthenewalgorithmcanrestrainthesurroundingeffectju