基于空域核回歸平滑的圖像去噪算法研究.pdf

1、圖像去噪是圖像處理中的經(jīng)典問題,對于很多圖像應(yīng)用非常重要,如圖像增強,邊緣檢測,物體識別和圖像提取等往往需要以圖像去噪作為預(yù)處理。此外,圖像去噪對其他相關(guān)問題如圖像復(fù)原,獨立成分分析(ICA),醫(yī)學(xué)影像重建等的研究具有重要的啟示意義。因此,開展對圖像去噪的研究,不但對促進圖像信息產(chǎn)業(yè)的健康發(fā)展有著重要而直接的現(xiàn)實價值,而且對深入研究其他理論問題具有深遠(yuǎn)的學(xué)術(shù)意義。空域核回歸平滑類方法是圖像去噪研究中的一個重要方向,如線性濾波是空間域核加

2、權(quán)算法中最簡單的一種,它通常是使用各種固定的矩陣對含噪圖像進行卷積,從而使得圖像中各點像素值為其鄰近點的線性組合。高斯濾波是其中最為經(jīng)典的一種。近些年提出的較為成功的方法有:Takeda提出的自適應(yīng)核回歸法和2005年Buades提出的非局部均值法(NL-means)算法?？偨Y(jié)起來,這類算法去噪效果優(yōu)劣的關(guān)鍵在于對圖像中所在點具有相似特征點集的選取以及在此基礎(chǔ)上求解的標(biāo)準(zhǔn)。因此如何對圖像中所在點有效地選取具有相似特征的點集并且恰當(dāng)?shù)厍蠼?/p>

3、成為提高這類算法的關(guān)鍵因素。
　　 本文主要在總結(jié)分析平滑類核回歸方法的基礎(chǔ)上,主要進行了以下兩方面的創(chuàng)新：⑴針對Takeda提出的自適應(yīng)核回歸法的缺陷,提出了一種新穎的迭代帶核方法。Takeda在分析傳統(tǒng)核回歸法不足的基礎(chǔ)上,根據(jù)待恢復(fù)像素點的鄰域信息構(gòu)造了自適應(yīng)高斯加權(quán)核,再使用二階多項式加權(quán)近似誤差最小化得到去噪結(jié)果,取得了比傳統(tǒng)核方法更好的效果。但使用二階多項式加權(quán)近似誤差最小化使得模型方差增大和計算量增加,為此,本文借

4、鑒機器學(xué)習(xí)中的Boosting思想,提出新的思路和方法,即基于L2Boost的低階核回歸迭代算法,該方法用零階或一階核加權(quán)逐步迭代逼近,不僅計算量減少,而且使得去噪效果提高很多。⑵針對很多去噪方法對邊角去噪不佳的現(xiàn)象,對NL-means算法的核權(quán)重構(gòu)造進行改進,在核中加入了邊角的差異因素,提出了改進算法NNL-means。數(shù)值實驗驗證了所提方法的有效性。在第四章,本文依循這條思路進行拓廣,進一步考慮使用多尺度方法構(gòu)造更多的特征圖像集,配