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(guò)的圖像到一幅清晰圖像的映射過(guò)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(shù)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(guò)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(lái)還原出真實(shí)圖像，通過(guò)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(lái)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