資源描述：
《基于分?jǐn)?shù)階變分pde的圖像去噪模型研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)——TP391密級(jí)公開重慶郵電大學(xué)碩士學(xué)位論文論文題目叁±坌墼險(xiǎn)奎坌里望墾鮑魚堡：圭型堡塞英文題目I盟壘盥旦曼nQi墨ing叢Q亟金!曼—Basedo—nFraction———a—lOrderVariationalPDE碩士研究生李好學(xué)科專業(yè)計(jì)算機(jī)應(yīng)用技術(shù)論文提交日期型：生：2每論文評(píng)閱人論文答辯日期矽肜．，夕多答辯委員會(huì)主席2013年5月獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得重廢
2、由＆電太堂或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。靴敝儲(chǔ)獬：衍辯醐：州利一肘日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解重龐由＆電太堂有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)重麼出E電太堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書)學(xué)讎文儲(chǔ)虢鋤導(dǎo)師簽名：捌f1鋤j簽字日期：2．,or
3、；年J月對(duì)日簽字日期：沁“年廠月萬日重慶郵電大學(xué)碩士論文摘要由于成像機(jī)制和外界因素的干擾，圖像信息在獲取、傳輸和處理的過程中常常會(huì)出現(xiàn)噪聲。噪聲的出現(xiàn)使得目標(biāo)信息難以被區(qū)分和理解，為了不影響對(duì)圖像的認(rèn)識(shí)以及后續(xù)處理的結(jié)果，往往需要進(jìn)行預(yù)處理過程，也就是對(duì)混在原始圖像信息中的噪聲進(jìn)行去除，這即是圖像去噪技術(shù)的目的。多年來專家學(xué)者們對(duì)去噪技術(shù)進(jìn)行了深入的研究，發(fā)現(xiàn)傳統(tǒng)的去噪方法常常忽略紋理細(xì)節(jié)信息與噪聲的相似性，直接對(duì)圖像進(jìn)行濾除噪聲的處理，不僅模糊了邊緣，也造成了圖像細(xì)節(jié)信息的丟失?；谄⒎址匠?PartialDifferentialE
4、quation，PDE)的去噪方法以其完備的數(shù)學(xué)理論支撐受到了研究人員的青睞，圖像去噪研究工作取得較大進(jìn)展。本文利用分?jǐn)?shù)階偏微分方程和變分方法的相關(guān)理論，結(jié)合乘性噪聲圖像的不同建模方式，研究了去除圖像乘性噪聲的問題，并提出了兩種分?jǐn)?shù)階變分去噪模型。這些模型不僅具有良好的去噪效果，而且能夠保留圖像的紋理細(xì)節(jié)信息。本文的主要研究工作包括以下內(nèi)容：首先，針對(duì)醫(yī)學(xué)超聲圖像特有的圖像建模方式提出相應(yīng)的去噪模型。將分?jǐn)?shù)階微分算子運(yùn)用于模型的正則項(xiàng)，利用變分方法求解能量泛函最小值問題，并給出了相應(yīng)的數(shù)值計(jì)算方法。該模型不僅能較好地抑制超聲圖像中的噪聲
5、，而且能很好的保護(hù)圖像的邊緣細(xì)節(jié)特征，緩解了圖像模糊，消除了傳統(tǒng)整數(shù)階方法常常出現(xiàn)的“階梯效應(yīng)”。其次，在普通乘性噪聲建模方式的前提下對(duì)受泊松噪聲污染的圖像進(jìn)行分析，結(jié)合分?jǐn)?shù)階微分方程與泊松分布的相關(guān)理論，利用貝葉斯后驗(yàn)估計(jì)提出了一種新的圖像去噪模型。我們對(duì)模型進(jìn)行了求解并給出了數(shù)值算法，從實(shí)驗(yàn)結(jié)果可以看出，該去噪模型不僅適用于泊松噪聲的去除，同樣也適用于其他含噪圖像的復(fù)原。在提高峰值信噪比和降低相對(duì)誤差率的同時(shí)，新模型算法的收斂速度有了很大的提高。關(guān)鍵詞：圖像去噪，乘性噪聲，分?jǐn)?shù)階微分，變分方法，偏微分方程。重慶郵電大學(xué)碩士論文Abs
6、tractDuetothemechanismofimagingandoutsideinterference，imagesarealwayscorruptedbynoisesduringtheprocessofacquisition，transmissionandprocessing．Thesenoisedimagescallblockpeoplefromunderstandingtheinformationoftheobjective．Imagedenoisingtechniqueistoeliminatethenoiseinorder
7、toenhancetheunderstandingoftheimageSOthatfurtherprocessingcanbedone．Foryears，researchershaveimplementedthoroughstudyondenoisingtechniquesanddiscoverthattraditionaldenoisingmethodsaremainlytofiltertheimagebutmaketheborderoftheimagefuzzywhilefilteringthenoiseandhenceloseso
8、medetailsofthevein．Becauseofthemathematicalfoundation，denoisingtechniquesbasedonPartialDifferentialEqua
