基于稀疏表示的边缘保持图像去噪方法研究.pdf

《基于稀疏表示的边缘保持图像去噪方法研究.pdf》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、基于稀疏表示的边缘保持图像去噪方法研究刘世凯2015年1月基于稀疏表示的边缘保持图像去噪方法研究作者姓名刘世凯学院名称计算机学院指导教师陈宇峰老师答辩委员会主席吴威教授申请学位工学硕士学科专业计算机科学与技术学位授予单位北京理工大学论文答辩日期2015年1月ResearchonImageDenoisingMethodBasedonEdge-PreservingSparseRepresentationCandidateName：ShikaiLiuSchoolorDepartment:ComputerScienceandTechnologyFacultyMentor:Yu

2、fengChenChair,ThesisCommittee：Prof.WeiWuDegreeApplied:MasterofScienceMajor：ComputerScienceandTechnologyDegreeby:BeijingInstituteofTechnologyTheDateofDefence：January,2015研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或

3、证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要在公共安防方面，数字图像处理有着重要的应用。图像在监控的过程中会或多或少的感染噪声。为了得到比较好的监控图像，图像的去噪成为人们进行后续处理必须面对的问题。其主要目的是通过降低图像的噪声来提高图像的质量。在解决图像去噪的问题中，稀疏表示去噪是重要的一个研究课题。其主要的理论依据是，自然噪声图像的噪声和原图像信息属于两种不同的结构，后者可以通过稀疏编码分解而前者不可以，因此可以达到去噪的目的。然而稀疏表示去噪中存

4、在的一个很明显的问题是边缘结构的保持。本论文以稀疏编码理论为基础，针对当前图像去噪领域的前沿问题—边缘保持问题，提出了基于稀疏编码的优化模型，对当前的方法进行改进或完善。本文的主要内容和研究的创新点如下：1)提出了一种LOBS(拉普拉斯B样条函数)边缘检测算子，一定程度上解决了在噪声下边缘检测领域算子的单一化和对噪声缺乏鲁棒性的问题。当前的边缘检测算子通常是基于灰度值的一阶导数或者二阶导数来实现的，其中仅有二阶导数LOG算子和Canny算子对噪声有一定的鲁棒性。研究了拉普拉斯算子滤波选择的问题，提出了自己的改进方案。在Matlab环境下对本文提出的算子进行实验仿真，并

5、于LOG算子和Canny算子进行了比较。实验证明本文提出的边缘检测算子与LOG算子和Canny算子相比有更好的鲁棒性且丢失的边缘较少。2)研究分析了稀疏编码理论，重点探讨稀疏表示去噪模型中的OMP算法，针对稀疏表示去噪中的边缘不明显和丢失等问题，提出了自己的改进方法，引入了边缘保持算子这个概念，设计了新的去噪模型，并且对加入边缘保持算子后的去噪模型进行求解，通过实验比较了传统方法和加入了边缘保持算子后的性能差异，并且做了详细的分析。关键字：稀疏表示；图像去噪；稀疏编码；边缘检测；边缘保持算子I北京理工大学硕士学位论文AbstractDigitalimageproces

6、splaysanimportantroleinpublicsecurity.Imagesmaybeinfectedbynoiseinthemonitoring.Inordertogetabettermonitoringimage,denoisingbecomesaproblemwhichthesubsequentprocessingmustface.Itsmainpurposeistoimprovetheimagequalitybyreducingimagenoise.Sparserepresentationisanimportantresearchsubjectin

7、thesolutionofthedenoising.Themaintheorybasedonisthatnoiseoftheimageandoriginalimageinformationbelongtotwodifferentstructures.OriginalimageinformationcanbedecomposedbytheSparseCoding,whiletheothercannot,therefore,noisecanbedistinguished.Thedefectofdenoisingonsparserepresentation