題目：去除圖像噪聲軟件方法的研究答辯人：***導(dǎo)師：***時間：2023年8月17日中國科學(xué)技術(shù)大學(xué)題目：去除圖像噪聲軟件方法的研究中國科學(xué)技術(shù)大學(xué)目錄1.研究概述2.對噪聲的認(rèn)識和圖像質(zhì)量評價3.去除脈沖噪聲4.去除塊效應(yīng)5.去除高斯噪聲6.實驗結(jié)果7.總結(jié)和展望2023/8/172目錄1.研究概述2023/8/421.研究概述1.1研究背景噪聲來源：CCD相機(jī)制造缺陷、圖像壓縮及存

儲等引入噪聲影響：對跟蹤、識別、超分辨率等造成干擾1.2研究目的及意義目的：提取有用信號意義：是跟蹤、識別等后續(xù)處理的基礎(chǔ)1.3研究的問題脈沖噪聲、塊效應(yīng)、高斯噪聲2023/8/1731.研究概述1.1研究背景2023/8/432.對噪聲的認(rèn)識和圖像質(zhì)量評價2.1對噪聲的認(rèn)識注意：本圖像受到多種因素干擾，如霧、平臺震動引起的圖像模糊2023/8/1741.原始圖片3.脈沖噪聲2.塊效應(yīng)2.對噪聲的認(rèn)識和圖像質(zhì)量評價2.1對噪聲的認(rèn)識2023/82.對噪聲的認(rèn)識和圖像質(zhì)量評價2.2圖像質(zhì)量評價無原始參考圖像，采用盲評價脈沖噪聲百分比塊效應(yīng)能量高斯噪聲主觀評價2023/8/1752.對噪聲的認(rèn)識和圖像質(zhì)量評價2.2圖像質(zhì)量評價2023/83.去除脈沖噪聲3.1分析3.2算法基于邊緣預(yù)測的最小平方(LS)算法2023/8/1764.原始圖像直方圖3.去除脈沖噪聲3.1分析2023/8/464.原始圖像直方3.去除脈沖噪聲3.2算法對上式關(guān)于a求導(dǎo)，令導(dǎo)數(shù)得零，有驗證與優(yōu)化逐點計算a(k)改為逐邊緣計算a(k)優(yōu)缺點不求邊緣，保留邊緣?噪聲擴(kuò)散、時間復(fù)雜度高2023/8/1775.X(n)及其鄰域6.驗證3.去除脈沖噪聲3.2算法2023/8/475.X(n)及其4.去除塊效應(yīng)4.1去塊算法啟發(fā)：視覺系統(tǒng)對平滑區(qū)域塊效應(yīng)敏感，對邊緣區(qū)域塊效應(yīng)不敏感分別處理平滑區(qū)域和邊緣區(qū)域算法思路：2023/8/1787.算法流程圖8.Sobel算子Gx4.去除塊效應(yīng)4.1去塊算法2023/8/487.算法流程圖4.去除塊效應(yīng)4.1去塊算法強(qiáng)濾波器

弱濾波器鄰域加權(quán)平均:其中2023/8/1799.8*8塊的選取10.P5及其鄰域4.去除塊效應(yīng)4.1去塊算法2023/8/499.8*8塊的4.去除塊效應(yīng)4.2評價算法一維理想塊狀信號

為了消去V[i]，作差評價2023/8/171011.一維理想塊狀信號12.信號d[i]4.去除塊效應(yīng)4.2評價算法2023/8/41011.一維理4.去除塊效應(yīng)4.2評價算法含塊效應(yīng)的圖像信號

對g[i,j]的每一行分別作FFT，得到功率譜評價2023/8/17114.去除塊效應(yīng)4.2評價算法2023/8/4114.去除塊效應(yīng)2023/8/1712---Lena.jpg---Lena_b.jpg13.Lena.jpg14.Lena_b.jpg壓縮比:16.417315.功率函數(shù)曲線4.去除塊效應(yīng)2023/8/412---Lena.jpg135.去除高斯噪聲5.1分析對原始圖像作直方圖均衡，可明顯觀察到隨機(jī)噪聲。5.2算法Bayes逐點閾值去噪對圖像進(jìn)行db1小波變換2023/8/171316.原始圖17.直方圖均衡圖5.去除高斯噪聲5.1分析2023/8/41316.原始圖15.去除高斯噪聲5.2算法Bayes逐點閾值去噪噪聲方差和信號方差的估計計算閾值并用軟閾值處理系數(shù)2023/8/17145.去除高斯噪聲5.2算法2023/8/4146.實驗結(jié)果視覺效果評價參數(shù)脈沖噪聲:0.174%方塊效應(yīng):7.2153-->6.1214運行時間:8.916s+0.274s+2.724s2023/8/171518.原始圖19.處理后圖6.實驗結(jié)果視覺效果2023/8/41518.原始圖19.處6.實驗結(jié)果2023/8/171620.處理后直方圖21.處理后功率譜曲線---原始圖---處理后圖6.實驗結(jié)果2023/8/41620.處理后直方圖21.處理7.總結(jié)和展望總結(jié)主要完成了脈沖噪聲、塊效應(yīng)和高斯噪聲的去除和定量評價優(yōu)化了算法時間復(fù)雜度去高斯噪聲時，對噪聲的計算更精確展望人眼視覺模型的考慮獲得更多的先驗信息，尋找對應(yīng)的解決方法從變換域處理，減小時間復(fù)雜度2023/8/17177.總結(jié)和展望總結(jié)2023/8/417致謝感謝科大老師悉心培養(yǎng)感謝科大提供的科研平臺感謝導(dǎo)師的指導(dǎo)、師兄們的幫助2023/8/1718致謝感謝科大老師悉心培養(yǎng)20