基于稀疏表示ccd噪声估计及滤除

《基于稀疏表示ccd噪声估计及滤除》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、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和

2、磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要电荷耦合器件（Charge-coupledDevice，CCD），作为数码相机的核心器件，在成像过程中会产生复杂的噪声。这种噪声并不是简单的加性高斯白噪声（AdditiveGaussianWhiteNoise，AWGN），而是一种严重依赖于信号强度的噪声（Signal-dependentNoise，SDN）。获知CCD的噪声水平不仅可以用来评价图像传感器的质量，还可以用来调整许多计算机视觉算法的参数，因此准确估计CCD的噪声水平函数具有重要意义。常见的噪声估计算法都是针对高斯白噪声

3、设计，对于这种依赖于信号的噪声并不适用。因此本文提出了一种基于稀疏表示的CCD噪声估计方法，其中需要计算三个要素：用于稀疏表示的字典、噪声估计的样本点以及样本点的可信度。对于稀疏表示字典，本文先根据现实世界中CCD类型和噪声强度计算出一个噪声水平函数库，再对其做PCA分析得到。而样本点及其可信度可以分别通过从空间域和DCT域的方法得到。在空间域中，本文是先利用图像结构分析器搜索图像中的光滑块，然后再对这些图像块按照彩色滤镜矩阵的排列方式进行采样，最后计算出样本点。而每一个样本点的可信度是由相关图像块的光滑程度决定。而在变换域中，由于得到的样本点准确度较高，因此可以忽略可信度的计算，只估计噪

4、声样本点。本节先对抽样后的光滑图像进行DCT变换，然后再利用高频系数的方差来计算噪声估计的样本点。在得到了稀疏表示的字典、噪声估计样本点和样本点可信度，根据稀疏表示的理论，就可以准确重构出CCD的噪声水平曲线。利用重构出来的噪声函数，我们又对CCD噪声进行了降噪的研究，提出了一种基于噪声估计和三维DCT变换的CCD图像的去噪方法。大量实验证明，我们提出的噪声估计方法对于平滑或者高纹理的图像，都可以准确地重构出噪声水平曲线，而去噪效果更是可以媲美目前去噪效果最好的Non-localMeans(NLM)和BM3D算法。关键词：CCD信号相关噪声稀疏表示噪声估计三维DCT图像去噪ABSTRACT

5、Charge-coupledDevice(CCD),thecorecomponentofadigitalcamera,willproducecomplicatednoise,whichisnotthesimpleadditiveGaussianwhitenoise(AWGN),butakindofsignal-dependentnoise(SDN).UnderstandingCCDnoisecharacteristicsarenotonlyimportantforthequalityassessmentofimagesensors,butalsousefultoadjustparamete

6、rsofmanycomputervisionalgorithms.Therefore,itisquitesignificantforustorecoverthenoiselevelfunction(NLF)accurately.MostexistednoiseestimationalgorithmsassumethatnoiseconformstoAWGNmodel,whichcannotperformwellforthesignal-dependentnoise.Therefore,weproposeanewmethodbasedonsparserepresentationinthisp

7、aper,whichneedstoobtainthreeelements:adictionary,noiseestimationsamplesandtheirconfidences.Firstly,wetrainadictionaryusedforsparserepresentationbyperformingprincipalcomponentanalysis(PCA)onadatabase,whichiscalcul