基于新型多尺度變換的圖像去噪算法研究.pdf

1、隨著電腦的日益普及，加上互聯(lián)網(wǎng)的迅猛發(fā)展，人們傳遞信息擺脫了以往通過(guò)寫(xiě)信或者電報(bào)的方式，越來(lái)越流行的是通過(guò)圖像去獲取現(xiàn)實(shí)世界中的信息。噪聲可以理解為妨礙人的視覺(jué)或系統(tǒng)傳感器對(duì)所接受信源信息進(jìn)行理解的各種因素，圖像在采集、獲取以及傳輸?shù)倪^(guò)程中，往往要受到噪聲的污染。噪聲不僅影響圖像的分辨率，更重要的它會(huì)影響我們獲得信息的準(zhǔn)確性和全面性。正是這個(gè)原因，使得圖像去噪成為科學(xué)研究領(lǐng)域中不可或缺的組成部分，圖像去噪的成功與否會(huì)嚴(yán)重影響圖像處理的后

2、續(xù)操作。
　　本文以新型多尺度變換為主線，提出了兩個(gè)圖像去噪方案:
　　1、利用支持向量機(jī)(SVM)在處理分類問(wèn)題上的巨大成就，提出了一種使用帶有一致性的臨近支持向量機(jī)(PCC)的圖像去噪算法。PCC是SVM的改進(jìn)算法，提高了分類的精度和速度。首先，應(yīng)用非下采樣Shearlet變換把含噪圖像分解成不同尺度不同方向的子帶;其次，利用PCC將非下采樣Shearlet系數(shù)分類，分為我們不想要的噪聲系數(shù)和我們想要保留的非噪聲系數(shù);然

3、后，被判定為我們不想要的噪聲的系數(shù)被過(guò)濾掉，剩下的系數(shù)即我們需要保留的，進(jìn)行自適應(yīng)閾值去噪處理;最后，通過(guò)非下采樣Shearlet逆變換得到去噪后圖像。本方案可以在較小的相對(duì)誤差的情況下輸出更高的PSNR值。
　　2、近些年來(lái)，HMT模型在圖像處理領(lǐng)域中被廣泛應(yīng)用，也有很多模型被構(gòu)造出來(lái)進(jìn)行圖像去噪處理。本文以新型HMT為基礎(chǔ)，在之前HMT模型基礎(chǔ)上增加了系數(shù)尺度間關(guān)系，可以更好地描述系數(shù)結(jié)構(gòu)，進(jìn)而進(jìn)行去噪處理。首先，應(yīng)用二維經(jīng)驗(yàn)