版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、視覺是人類最重要的信息來源,圖像幾乎處處可見。而圖像在采集、傳輸和顯示過程中,會被噪聲污染。圖像去噪一直是圖像處理領(lǐng)域中最基本、最核心的問題。在眾多應(yīng)用領(lǐng)域中,圖像的邊緣、紋理等細(xì)節(jié)信息非常重要,因此研究既可以保持圖像的邊緣紋理等細(xì)節(jié)成分,同時能保持圖像平滑區(qū)域良好視覺效果的圖像去噪方法是當(dāng)前研究熱點。TV去噪的ROF模型是目前公認(rèn)的去噪效果比較好的經(jīng)典圖像去噪模型,它可以很好地保持圖像邊緣和平滑區(qū)域良好視覺效果,但是同時也濾除了很多紋
2、理細(xì)節(jié)部分,而一些對紋理細(xì)節(jié)保持好的方法要么對邊緣保持不好,要么計算量太大。
針對TV去噪濾除了很多紋理細(xì)節(jié)的問題,本文在TV去噪后得到的殘差部分提取出紋理細(xì)節(jié)進行回加,這樣既能保持好圖像的邊緣,同時保留了紋理信息,并且算法復(fù)雜性小。本文的去噪方法的思路是:先利用TV模型分離出圖像卡通部分和殘差部分,然后在圖像殘差部分提取有效成分(主要就是紋理),最后將提取的紋理細(xì)節(jié)部分回加到卡通部分。本文采用兩種方法:第一種方法是對殘差部分
3、進行小波變換(DWT)、離散余弦變換(DCT)后通過閾值法進行紋理提取后直接回加到卡通部分;第二種方法是在求解ROF模型的Bregman迭代的每一步迭代過程中對加回去的殘差圖像進行紋理提取后再加回去,進行下一步迭代。在第一種方法的實驗中,提出了不同的閾值確定方法。利用DCT對殘差圖像進行紋理提取得到的去噪圖像無論是從視覺效果還是從PSNR和SSIM值上都比TV有了大大的提高。之后對于DCT方法中的一些塊狀效應(yīng)本文又進行了一些改進,利用對
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- TV模型圖像去噪的算法分析.pdf
- 基于-雙邊濾波的圖像去噪的方法
- 基于雙邊濾波的圖像去噪方法-畢業(yè)設(shè)計
- 基于Curvelet變換與非局部TV模型的圖像去噪方法研究與應(yīng)用.pdf
- 基于K-SVD和殘差比的稀疏表示圖像去噪研究.pdf
- 基于維納濾波的圖像去噪算法研究.pdf
- 基于聯(lián)合雙邊濾波的圖像去噪與融合方法研究.pdf
- 畢業(yè)設(shè)計--基于雙邊濾波的圖像去噪的方法
- 畢業(yè)設(shè)計--基于雙邊濾波的圖像去噪的方法
- 基于正則化方法的圖像去噪模型的研究.pdf
- 基于梯度直方圖保持模型的圖像去噪方法.pdf
- 基于雙邊濾波的深度圖像去噪研究
- 基于非局部均值和非局部TV的圖像去噪方法研究.pdf
- 基于非局部均值濾波的超聲圖像去噪.pdf
- 基于Contourlet的圖像去噪方法研究.pdf
- 圖像去噪方法的研究.pdf
- 基于形態(tài)學(xué)濾波的醫(yī)學(xué)圖像去噪方法研究.pdf
- 基于FoE模型的圖像去噪研究.pdf
- 基于粒子濾波的低劑量CT圖像去噪.pdf
- 基于GVC的擴散模型與圖像去噪方法研究.pdf
評論
0/150
提交評論