基于改進的變分圖像分解濾波方法的研究及其應(yīng)用.pdf

1、圖像去噪是圖像處理中的重要環(huán)節(jié)，對于后續(xù)的圖像分析有著至關(guān)重要的作用。變分圖像分解算法具有廣闊的發(fā)展前景，屬于變分法和偏微分方程圖像處理研究的范疇。變分圖像算法的基本思想為：將一幅圖像分解成多個部分，每個部分代表不同的信息，并且分別由適合的函數(shù)空間描述，通過在各個空間中范數(shù)的結(jié)合構(gòu)造出能量泛函，最小化這些能量泛函得出最終的分解結(jié)果。在本文中，我們對原有的圖像分解算法進行改進，并將其應(yīng)用于高斯噪聲和散斑噪聲的濾除，通過量化評估和視覺比較驗

2、證了所提出新模型的有效性。本文的主要工作包括：
　　1.基于三維塊匹配（BM3D）算法，我們提出了TV-G-BM3D圖像分解新模型，并將其應(yīng)用于高斯噪聲的處理。將性能優(yōu)良的三維塊匹配算法用于描述噪聲部分，能夠有效提高圖像分解算法的去噪性能。我們將所提出的模型應(yīng)用在四幅被不同等級的高斯噪聲污染的標準圖片上進行測試，并與已有的模型進行比較，數(shù)值量化和視覺效果兩方面的實驗結(jié)果均表明所提出的新模型具有優(yōu)良的去噪性能。
　　2.基于非

3、局域數(shù)據(jù)保真項，我們改進了原有的圖像分解算法，并將改進模型應(yīng)用于高斯噪聲的處理。從參考圖像中的相鄰點拓展到參考圖像中的每一點，非局域框架可以提高圖像分解算法的性能。我們將提出的非局域數(shù)據(jù)保真項應(yīng)用于2TV-Hilbert-L2和TV-G-Shearlet兩種模型中，并將改進模型應(yīng)用在兩幅被不同等級高斯噪聲污染的標準圖片上進行測試，數(shù)值量化和視覺效果兩方面的實驗結(jié)果均表明改進后的模型相對于原模型在去噪性能上有顯著的提升。
　　3.基

4、于廣義全變分，我們提出了2TGV-Hilbert-L2圖像分解新模型，并其應(yīng)用于散斑噪聲的處理。函數(shù)的高階導數(shù)相較于低階導數(shù)會給圖像帶來更加光滑的結(jié)果，并且可以有效地避免低階導數(shù)帶來的階梯效應(yīng)。我們將所提出的模型應(yīng)用在模擬的大變化密度電子散斑干涉條紋圖和剪切電子散斑干涉缺陷檢測圖上進行測試，并與已有的條紋圖處理方法進行了比較，數(shù)值量化和視覺效果兩方面的實驗結(jié)果均表明提出的新模型的優(yōu)良去噪性能。
　　本論文的研究成果豐富發(fā)展了變分圖