19-基于混合线性模型的图像去噪

19-基于混合线性模型的图像去噪

ID:5418083

大小:519.78 KB

页数:6页

时间:2017-12-10

19-基于混合线性模型的图像去噪_第1页
19-基于混合线性模型的图像去噪_第2页
19-基于混合线性模型的图像去噪_第3页
19-基于混合线性模型的图像去噪_第4页
19-基于混合线性模型的图像去噪_第5页
资源描述:

《19-基于混合线性模型的图像去噪》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、万方数据第32卷第11期计算机学报v01.32No.112009年11月CHINESEJOURNAI.oFCoMPUTERSNov.20091基于混合线性模型的图像去噪曹扬罗予频杨士元(清华大学自动化系北京100084)摘要现有的图像去噪算法大多假设图像为分段平滑信号,通过滤除图像中的振动分量达到去噪的效果.如果将这类方法应用于纹理图像,则会导致图像细节信息的损失.该文针对保留图像细节的问题,提出了基于混合线性模型的去噪方法.新方法不假设图像分段平滑,仅假设图像具有自相似性,利用图像的相似性区分图像信号与噪声.文

2、中使用统计学习的方法对图像区域进行聚类,并得到图像主成份,以主成份作为信号分量重组图像,从而对纹理图像取得很好的去噪效果.关键词图像去噪;自相似性;混合线性模型中图法分类号TP391DOI号:10.3724/SP.J.1016.2009.02260HybridLinearModelBasedImageDenoisingCAOYangLUOYu—PinYANGShi—Yuan(DepartmentofAutomation,TsinghuaUniversity,Beijing100084)AbstractMostof

3、previousimagedenoisingmethodassumeimagesignalispiecewisesmooth.Theysuppressoscillatingpatternsintheimagetodenoise.Thiskindofmethodremovehigh—fre-quencysignalfromtextureimage.Thispaperproposesahybridlinearmodelbasedimagedenois—ingmethodinordertopreservetexture

4、signal.Thenewmethoddoesn’tusepiecewisesmooth-nessassumption.Supposingimagesignalisself-similarwhilenoiseisnot.Statisticallearningal-goritl‘misusedtoclustertheimageregionsandextracttheprinciplecomponent.Theprinciplecomponentisusedastheimagesignaltoformthedenoi

5、sedimage,SOastopreservemostdetailsignaloftextureimage.Keywords引imagedenoising;self-similarity;hybridlinearmodel传统的去噪方法以时频域滤波器为主,例如高斯滤波器[1],这类方法大多假设图像信号平滑,从而将高频分量作为噪声滤除,这将导致图像细节信息的损失.近年来很多研究工作集中在保留图像细节上,但大多方法仍然假设图像分段平滑,这样虽然能保留边缘信息,但对纹理细节的保留贡献不大.例如TV方法[z寸]最小化图像

6、全变分,得到分段平滑图像.小波方法[41假设图像可以小波稀疏表达,即图像中大部分区域不存在高频分量.一些改进方法采用了如Contourlet等其它变换代替小波变换[5],取得了更好的效果,但其基本假设不变.已有的算法通常将图像各部分分为平滑与边缘两种模式,通过滤除平滑模式图像中的高频分量进行去噪,既将其处理为理想的平滑模式.当图像包含纹理时,纹理也会被当作以上两种模式处理,所以会损失细节信息.为了保留图像的纹理信息,一些学者提出了针对纹理自相似性的去噪方法.例如自适应主成分去收稿日期:2006—08—25;最终修

7、改稿收到日期:2008—04—09.曹扬,男,1979年生,博十,主要研究方向为图像处理、计算机视觉.E—mailCaoy02@mails.tsinghua.edu.ca.罗予频,男,1959年生,教授,博士生导师,主要研究领域为图像处理、人工智能.杨士元,男,1945年生教授,博士生导师,主要研究领域为电子系统和设备的测试与故障诊断,数字社区与智能家庭网络技术.玄目万方数据11期曹扬等:基于混合线性模型的图像去噪2261噪[6]假设图像相邻区域具有相同的主成分,以相邻区域为样本做主成分分析得到无噪声图像模型.分

8、形去噪方法[7吨1假设不同尺度的图像具有自相似性,利用图像的统计信息估计无噪声图像的分形压缩系数,从而得到去噪图像.非局部均值方法[93假设相邻区域具有自相似性,搜索领域内的相似图像区域做加权平均得到去噪结果.通用离散去噪方法[1阳只假设图像具有平稳分布,在不假设概率分布族的情况下,使用非参数估计的方法统计图像块的分布,再用最小代价准则计算去噪结果.由于纹理图像具有重复性

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。