基于稀疏表示和字典學(xué)習(xí)的圖像去噪研究

《基于稀疏表示和字典學(xué)習(xí)的圖像去噪研究》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、基于?。ㄉ暾埞W(xué)碩士學(xué)位論文）疏表示和字典學(xué)習(xí)的基于稀疏表示和字典學(xué)習(xí)的圖像圖像去去噪研究噪研究培養(yǎng)單位：信息工程學(xué)院銀壯學(xué)科專業(yè)：通信與信息系統(tǒng)辰研究生：銀壯辰指導(dǎo)教師：吳巍副教授武漢理工大學(xué)2014年5月萬方數(shù)據(jù)分類號(hào)密級(jí)公開UDC學(xué)校代碼10497學(xué)位論文題目基于稀疏表示和字典學(xué)習(xí)的圖像去噪研究英文Researchonimagedenoisingbasedonthesparse題目representationanddictionarylearning研究生姓名銀壯辰姓名吳巍職稱副教授學(xué)位博士

2、指導(dǎo)教師單位名稱信息工程學(xué)院郵編430070申請學(xué)位級(jí)別碩士學(xué)科專業(yè)名稱通信與信息系統(tǒng)論文提交日期2014年4月論文答辯日期2014年5月學(xué)位授予單位武漢理工大學(xué)學(xué)位授予日期2014年6月答辯委員會(huì)主席劉泉評(píng)閱人劉泉呂鋒2014年5月萬方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明，所呈交的論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，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，也不包含為獲得武漢理工大學(xué)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

3、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了謝意。簽名：日期：學(xué)位論文使用授權(quán)書本人完全了解武漢理工大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人承諾所提交的學(xué)位論文（含電子學(xué)位論文）為答辯后經(jīng)修改的最終定稿學(xué)位論文，并授權(quán)武漢理工大學(xué)可以將本學(xué)位論文的全部內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或其他復(fù)制手段保存或匯編本學(xué)位論文。同時(shí)授權(quán)經(jīng)武漢理工大學(xué)認(rèn)可的國家有關(guān)機(jī)構(gòu)或論文數(shù)據(jù)庫使用或收錄本學(xué)位論文，

4、并向社會(huì)公眾提供信息服務(wù)。（保密的論文在解密后應(yīng)遵守此規(guī)定）研究生（簽名）：導(dǎo)師（簽名）：日期萬方數(shù)據(jù)武漢理工大學(xué)碩士學(xué)位論文摘要對(duì)圖像進(jìn)行去噪，不僅可以便于人們更好的理解圖像信息，而且可以方便人們進(jìn)行后續(xù)的圖像處理，該技術(shù)在醫(yī)藥學(xué)、航天、軍事、工農(nóng)業(yè)等諸多方面發(fā)揮著重要的作用。因此，圖像去噪是圖像處理的重要內(nèi)容，受到越來越多人的關(guān)注。近年來，將稀疏表示用于圖像去噪是該領(lǐng)域的研究熱點(diǎn)。本文主要是基于稀疏表示理論來對(duì)圖像去噪方法進(jìn)行研究的，分別研究了稀疏表示固定字典和學(xué)習(xí)型字典的去噪方法及流程。在對(duì)

5、稀疏表示去噪算法原理理解的基礎(chǔ)上，提出了一種新的去噪方法，在去噪效果和速度上都有所提高。本文的具體工作內(nèi)容如下：（1）分析了傳統(tǒng)圖像去噪基本理論及方法，并進(jìn)行了中值濾波、維納濾波、小波去噪等傳統(tǒng)去噪方法的實(shí)驗(yàn)。深入研究了稀疏表示相關(guān)理論，分析了稀疏去噪的基本模型，并基于固定的DCT字典和Gabor字典進(jìn)行了實(shí)驗(yàn)。通過實(shí)驗(yàn)效果對(duì)比，發(fā)現(xiàn)稀疏表示理論在圖像去噪領(lǐng)域的優(yōu)勢。（2）基于K-SVD學(xué)習(xí)型字典的去噪模型框架，分析了字典學(xué)習(xí)和稀疏分解兩個(gè)關(guān)鍵環(huán)節(jié)。相比于傳統(tǒng)的固定字典，由于學(xué)習(xí)型字典是通過機(jī)器學(xué)

6、習(xí)得到，其包含有圖像的自有特征，所以一般情況下其去噪效果更好。在對(duì)學(xué)習(xí)型字典去噪實(shí)驗(yàn)的過程中，本文依據(jù)圖像中所含紋理內(nèi)容的多少建立測試圖像集，并分別采用K-SVD全局字典和自適應(yīng)字典進(jìn)行了實(shí)驗(yàn)，比較了這兩種字典的去噪效果：全局字典對(duì)紋理較少的結(jié)構(gòu)圖像有較好的去噪效果；自適應(yīng)字典對(duì)紋理較多的圖像有較好的去噪效果。（3）對(duì)學(xué)習(xí)型字典的去噪效果進(jìn)行了分析，提出了基于MCA圖像分解的稀疏表示去噪思路：即將圖像分解為結(jié)構(gòu)部分和紋理部分，然后使用全局字典對(duì)結(jié)構(gòu)部分進(jìn)行去噪，使用自適應(yīng)字典對(duì)紋理部分去噪。這樣可

7、以更有針對(duì)性的對(duì)圖像的不同部分進(jìn)行去噪處理，實(shí)驗(yàn)結(jié)果表明該方法在去噪效果上有所提升。（4）為了提高基于MCA圖像分解稀疏表示去噪算法的速度，引入了一種雙稀疏的字典結(jié)構(gòu)，以加快自適應(yīng)字典的構(gòu)建速度，在去噪效果不損失的情況下，提高了圖像去噪的速度，取得了滿意的實(shí)驗(yàn)效果。關(guān)鍵詞：圖像去噪，稀疏表示，K-SVD，圖像分解，雙稀疏字典I萬方數(shù)據(jù)武漢理工大學(xué)碩士學(xué)位論文AbstractImagedenoisingisanimportantpartofimageprocessing,peoplepaymorea

8、ndmoreattentiononit,thetechnologyplaysanimportantroleinmedicine,aerospace,military,agriculture,etc..Thenoiseimagedenoising,notonlytofacilitateabetterunderstandingoftheimageinformation,butalsoeasyforpeopletocarryoutsubsequentimageprocessing.Inr