基于收縮函數(shù)學(xué)習(xí)的紋理圖像去噪算法.pdf

1、圖像去噪可以被描述為從一幅被噪聲污染過的圖像到一幅清晰圖像的映射過程，圖像去噪中一個(gè)重要的挑戰(zhàn)就是如何在保留良好的紋理結(jié)構(gòu)的同時(shí)去除噪聲。然而眾多優(yōu)秀的圖像去噪算法，針對(duì)于像樹皮和磚瓦這樣的具有隨機(jī)結(jié)構(gòu)特點(diǎn)的紋理圖像，經(jīng)常會(huì)過度平滑紋理細(xì)節(jié)部分。本文致力于找到一個(gè)盡可能完美的映射模型來還原出真實(shí)圖像，通過改進(jìn)當(dāng)前最先進(jìn)的BM3D算法和對(duì)三維小波系數(shù)的多頻帶收縮函數(shù)學(xué)習(xí)的方法，得到一系列映射模型，利用這些映射模型對(duì)其他噪聲圖像進(jìn)行去噪。本

2、文算法主要分為兩個(gè)階段，第一個(gè)階段是線下學(xué)習(xí)，即在少量的訓(xùn)練圖片集上利用相似塊匹配算法將小波域圖像塊“堆砌”為三維圖像分組，然后劃分頻帶并學(xué)習(xí)出收縮函數(shù)映射模型;第二個(gè)階段則是完整去噪，即應(yīng)用收縮函數(shù)將噪聲圖像的三維小波系數(shù)映射為新的估計(jì)值。新的三維分組中的圖像塊需要恢復(fù)到原來的圖像位置，由于這些塊是重疊的，因此每個(gè)像素都會(huì)得到多次估計(jì)值，利用帶權(quán)值的聚合算法得到基本去噪圖像，最后再在基本去噪圖像的基礎(chǔ)上進(jìn)行一次協(xié)作維納濾波得到最終去噪