基于词典学习和结构聚类的图像去噪文献综述
2020-05-04 21:18:15
我们生活在一个信息时代，科学研究表明，人类从外界获得信息约有75%来自视觉系统，也就是从图像中获得的。图像具有信息量大，传输距离远，传输速度快等一系列特点，成为人类获取、利用信息的重要来源和手段。图像所包含的信息量和直观性是文字、声音所无法比拟的。然而，由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染，影响了图像的视觉效果，甚至妨碍了人们正常识别。另外，在图像处理的某些环节当输入的对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为引起较强视觉效果的孤立象素点或象素块。一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。因此，在图像的预处理阶段中，有必要对图像进行去噪，以提高图像的信噪比。图像去噪具有很强的理论意义和应用价值。
要构造一种有效抑制噪声的滤波必须考虑两个基本问题能有效地去除目标和背景中的噪声；同时，也要能很好的保护图像目标的形状、大小及特定的几何和拓扑结构特征。
噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使人们不得不从各种角度进行探索以提高图像的质量。所以采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理步骤。现在图像处理技术已深入到科学研究、军事技术、工农业生产、医学、气象及天文学等领域。科学家利用人造卫星可以获得地球资源照片、气象情况；医生可以通过X射线或CT对人体各部位的断层图像进行分析。但在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要。图像去噪作为图像处理的一个重要环节，可以帮助人们更加准确地获得我们所需的图像特征，使其应用到各个研究领域，帮助解决医学、物理、航天、文字等具体问题。如何改进图像去噪算法，以有效地降低噪声对原始图像的干扰程度，并且增强视觉效果，提高图像质量，使图像更逼真，仍存在继续研究的重要意义。
{title}2. 研究的基本内容与方案
{title}目标：图像在获取、传输和存储过程中常常受到噪声的影响，噪声给图像边缘检测、特征识别等处理带来了极大影响，甚至影响人们对图像的分析和理解。为了抑制噪声，必须对图像进行去噪处理。
基本内容：用matlab软件基于词典学习和结构聚类的图像去噪算法对图像进行去噪处理。
拟采用的技术方案及措施：基于词典学习和结构聚类的图像去噪算法，这种算法提供一种新模型—基于聚类的稀疏表示（CSR）。CSR模型的基本思想是把局部和非局部稀疏约束视作同类，即合并字典学习和结构聚类。首先通过字典学习得到含噪图像的冗余字典，然后对图像块进行相似性的计算，并据此对图像块进行聚类，随后通过迭代收缩和L1正则化约束，对同类的图像块在字典上进行稀疏表示，从而达到降噪的目的。在常规的图像处理上，这种算法能较好的保留图像的结构信息，与K-SVD和BM3D等现有的流行算法相比，具有更高的峰值信噪比。
3. 参考文献| [1]Yang Lei. Technique for image de-noising based on non-subsampled shearlet transform and improved intuitionistic fuzzy entropy[J]. Optik - International Journal for Light and Electron Optics,2015,126(4). | |||||
| [2]Zemin Cai,Chuliang Wei. A Tight Framelet Algorithm for Color Image De-Noising[J]. Procedia Engineering,2011,24. | |||||
| [3]Yue Liu,Yi Bing Li,Yong Xu. NSCT De-Noising Algorithm Based on Image Partition and Noise Variance Estimation[J]. Applied Mechanics and Materials,2011,1287(58). | |||||
| [4]Yuan Mei Wang,Tao Li. Image De-Noising Method with Noise Control Materials Based on Wavelet Transform and Wiener Filter[J]. Advanced Materials Research,2012,1643(459). | |||||
| [5]Ming Wei Sheng,Yong Jie Pang,Hai Huang,Tie Dong Zhang. A Novel Adaptive Underwater Image Biorthogonal Basic Wavelet Transform De-Noising Approach[J]. Applied Mechanics and Materials,2013,2700(411).
|
我们生活在一个信息时代，科学研究表明，人类从外界获得信息约有75%来自视觉系统，也就是从图像中获得的。图像具有信息量大，传输距离远，传输速度快等一系列特点，成为人类获取、利用信息的重要来源和手段。图像所包含的信息量和直观性是文字、声音所无法比拟的。然而，由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染，影响了图像的视觉效果，甚至妨碍了人们正常识别。另外，在图像处理的某些环节当输入的对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为引起较强视觉效果的孤立象素点或象素块。一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。因此，在图像的预处理阶段中，有必要对图像进行去噪，以提高图像的信噪比。图像去噪具有很强的理论意义和应用价值。
要构造一种有效抑制噪声的滤波必须考虑两个基本问题能有效地去除目标和背景中的噪声；同时，也要能很好的保护图像目标的形状、大小及特定的几何和拓扑结构特征。
噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使人们不得不从各种角度进行探索以提高图像的质量。所以采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理步骤。现在图像处理技术已深入到科学研究、军事技术、工农业生产、医学、气象及天文学等领域。科学家利用人造卫星可以获得地球资源照片、气象情况；医生可以通过X射线或CT对人体各部位的断层图像进行分析。但在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要。图像去噪作为图像处理的一个重要环节，可以帮助人们更加准确地获得我们所需的图像特征，使其应用到各个研究领域，帮助解决医学、物理、航天、文字等具体问题。如何改进图像去噪算法，以有效地降低噪声对原始图像的干扰程度，并且增强视觉效果，提高图像质量，使图像更逼真，仍存在继续研究的重要意义。
{title}2. 研究的基本内容与方案
{title}目标：图像在获取、传输和存储过程中常常受到噪声的影响，噪声给图像边缘检测、特征识别等处理带来了极大影响，甚至影响人们对图像的分析和理解。为了抑制噪声，必须对图像进行去噪处理。
基本内容：用matlab软件基于词典学习和结构聚类的图像去噪算法对图像进行去噪处理。
拟采用的技术方案及措施：基于词典学习和结构聚类的图像去噪算法，这种算法提供一种新模型—基于聚类的稀疏表示（CSR）。CSR模型的基本思想是把局部和非局部稀疏约束视作同类，即合并字典学习和结构聚类。首先通过字典学习得到含噪图像的冗余字典，然后对图像块进行相似性的计算，并据此对图像块进行聚类，随后通过迭代收缩和L1正则化约束，对同类的图像块在字典上进行稀疏表示，从而达到降噪的目的。在常规的图像处理上，这种算法能较好的保留图像的结构信息，与K-SVD和BM3D等现有的流行算法相比，具有更高的峰值信噪比。
