基于非局部稀疏的圖像去噪與平滑方法研究.pdf

1、計算機視覺的研究目標是通過圖像或者視頻理解場景，圖像處理技術是實現(xiàn)該目標的關鍵技術。圖像去噪和平滑是圖像處理領域的基礎問題。在現(xiàn)實生活中，由于傳感器受環(huán)境影響、傳輸信道被干擾等原因，在圖像獲取與傳輸?shù)倪^程中，噪聲被不可避免的引入，從而造成圖像失真。圖像失真現(xiàn)象必然會對圖像特征提取、場景理解等后續(xù)工作造成干擾，從而影響計算機智能處理任務的準確性。圖像去噪的研究目標是將噪聲從有噪圖像中分離出來，更好地還原圖像的真實信息，特別是邊緣和紋理細節(jié)

2、。如果能夠對干凈圖像建立較好的表達模型，就可以保留更多的有用信息，保證復原圖像的準確性。圖像平滑的目標則是通過分離圖像的結構與細節(jié)，用來提取對于人類視覺感知最重要的結構邊緣，能夠為更高級的計算機視覺任務打下堅實的基礎。圖像去噪和圖像平滑作為基礎的圖像處理技術，在空間項目、醫(yī)學、考古學、工業(yè)機器視覺、軍事識別、衛(wèi)星圖像處理等領域有著廣泛的應用。但是由于圖像內容復雜多變，圖像去噪和圖像平滑的研究面臨一系列問題和挑戰(zhàn)。首先，依靠現(xiàn)有數(shù)學工具還

3、無法準確地描述圖像，現(xiàn)有方法基于各種假設建立圖像的表達模型，存在一定的局限性;其次，人類視覺系統(tǒng)的工作機制非常復雜，目前對于人類感知原理的研究還處于初級階段，因此無法以明確的數(shù)學模型定義一幅圖像中具有視覺意義的特征。
　　本文圍繞圖像去噪和平滑問題的研究熱點和難點展開研究，提出基于非局部稀疏的圖像處理方法。新方法能夠充分利用自然圖像本身的有用信息，有效彌補了數(shù)學模型的缺陷，以數(shù)據驅動的方式大大提高了圖像去噪和平滑的效果。主要工作包

4、括;
　　1.提出了基于PCA字典的自適應稀疏編碼去噪方法。通過分析PCA字典上稀疏編碼誤差的統(tǒng)計特性，采用拉普拉斯函數(shù)近似編碼誤差的分布，基于后驗估計理論提出一個新的非局部稀疏編碼模型。新模型中用于平衡保真項與非局部約束項的正則化參數(shù)是自適應確定的。為獲得可靠的稀疏編碼估計，提出了基于濾波的迭代收縮算法。濾波可以有效抑制后向投影過程的噪聲，進一步得到稀疏編碼的魯棒估計。新方法有效提高了編碼準確率，從而取得很好的紋理保留和噪聲去除

5、效果。
　　2.提出了基于低秩和梯度稀疏的圖像平滑方法。通過對自然圖像結構和紋理特征的分析，基于自然圖像非局部自相似性提出一個圖像塊分組低秩先驗，然后結合平滑圖像的全局梯度稀疏先驗提出一種新的圖像平滑優(yōu)化方法。低秩先驗項約束了平滑圖像中相似分組內部各圖像塊的強相關性，可以去除小尺度噪點和細節(jié)、保持細長結構邊緣，保證一致的平滑效果。針對新的目標能量函數(shù)的優(yōu)化問題，給出了基于交替迭代近似求解算法的詳細流程。新方法能夠達到一致性較高的平

6、滑效果，在去除細節(jié)的同時保持重要的結構邊緣。
　　3.提出了非局部梯度聚集圖像平滑方法。通過分析自然圖像梯度圖的特點，基于非局部自相似性提出平滑圖像梯度圖的非局部聚集約束項，將該約束與梯度L0范數(shù)最小化先驗結合得到一個新的優(yōu)化框架。然后給出了交替迭代算法用于高效求解新能量模型的優(yōu)化問題。新方法的非局部約束以數(shù)據驅動的方式削弱了相似塊之間梯度的不一致性，能夠有效地去除復雜區(qū)域的細節(jié)、保持對比度不明顯的有意義結構。與現(xiàn)有方法相比，新方

7、法的平滑結果不僅一致性高，而且能夠保持結構邊緣不移位。
　　4.研究了圖像平滑在智能圖像處理中的應用。平滑圖像在去除瑣碎細節(jié)的同時保留了對于人類視覺系統(tǒng)非常關鍵的結構信息，對于內容相關的圖像處理問題具有很強的應用價值。首先研究了圖像平滑在圖像放縮、圖像編輯等問題中的應用。然后基于平滑方法提出一種新的多尺度空間構造方法，并研究了多尺度空間在顯著性檢測問題中的應用。實驗結果顯示圖像平滑本身和多尺度空間在各類應用中都起到了很好的提升作用