低照度圖像的去噪算法研究.pdf

1、近年來數(shù)字圖像技術(shù)的高速發(fā)展，使其被廣泛運(yùn)用到航天航空、遙感衛(wèi)星和道路視頻監(jiān)控等領(lǐng)域，并給各領(lǐng)域帶來了史無前例的突破。但數(shù)字圖像的質(zhì)量易受外界光照強(qiáng)度影響，當(dāng)光照條件不理想時，其視覺效果會大打折扣，產(chǎn)生的低照度圖像不僅清晰度低，邊緣模糊，而且含有大量的噪聲，嚴(yán)重干擾了原始信息，更會給后續(xù)的圖像處理工作帶來困難。因此對低照度圖像進(jìn)行去噪處理，恢復(fù)有效信息的工作具有重大的實(shí)際意義。本文擬對低照度圖像進(jìn)行去噪算法研究，主要內(nèi)容如下：
　

2、　1.基于鄰域的圖像去噪算法，使用周邊像素對中心點(diǎn)進(jìn)行線性估計，但該擴(kuò)散處理會導(dǎo)致圖像過度平滑，丟失細(xì)節(jié)特征。為保持圖像紋理信息，可引入權(quán)值矩陣控制擴(kuò)散過程，因而本文提出了一種基于擴(kuò)散加權(quán)最小二乘準(zhǔn)則的去噪算法，通過最小化鄰域內(nèi)像素的加權(quán)誤差平方和實(shí)現(xiàn)去噪目的。為減弱沿梯度方向擴(kuò)散而導(dǎo)致的邊緣模糊效應(yīng)，抑制權(quán)值矩陣中對應(yīng)梯度方向的較大特征值，可控制擴(kuò)散方向以保護(hù)邊緣信息。在估計原始圖像的過程中，引入中間變量和相關(guān)系數(shù)進(jìn)行聯(lián)合計算。根據(jù)圖

3、像平坦區(qū)域梯度值較低，而邊緣部分梯度值較高的原理，利用梯度信息自適應(yīng)地調(diào)節(jié)平滑強(qiáng)度實(shí)現(xiàn)各向異性擴(kuò)散，再根據(jù)投影原理將相關(guān)系數(shù)映射到約束空間，通過最陡下降法進(jìn)行迭代求解。實(shí)驗(yàn)仿真證明該算法能有效去除低照度圖像中的噪聲。
　　2.當(dāng)圖像鄰域內(nèi)存在無關(guān)像素時，擴(kuò)散處理會影響估計的準(zhǔn)確性，且圖像除了鄰域信息，還存在一些距離較遠(yuǎn)但結(jié)構(gòu)相似的圖像塊，利用圖像冗余信息可有效保持邊緣特征，因而本文提出了一種基于隨機(jī)舍棄鄰域和非局部相似性的去噪算法

4、。處理圖像局部信息時，采用伯努利試驗(yàn)對鄰域像素進(jìn)行隨機(jī)舍棄處理，對保留的像素基于局部方差與偏差之和最小化原則求解相應(yīng)權(quán)值。處理圖像非局部信息時，基于圖像塊之間的結(jié)構(gòu)相似性原則，計算歐式距離求解相應(yīng)系數(shù)。最后結(jié)合局部和非局部信息建立去噪模型，并采用最陡下降法迭代求解。實(shí)驗(yàn)結(jié)果表明該算法在去噪的同時能有效保持邊緣信息。
　　本文針對低照度圖像去噪任務(wù)，圍繞著如何在去除噪聲的同時保護(hù)細(xì)節(jié)特征的問題進(jìn)行了探索，并取得了一定的研究成果，對低