论文部分内容阅读
近年来，越来越多的学者致力于图像处理领域的研究，使图像处理技术得到了快速发展。本文在研究结构相似度(SSIM)的基础上，针对图像处理中的去噪问题，提出了一些新的基于结构相似度的去噪模型，并给出了新模型的求解方法。本文的主要内容如下：1.在经典的ROF模型中，作为其忠诚项的L2度量没有考虑图像的空间结构性，导致恢复图像视觉效果差。针对这一缺陷，引入一种基于结构相似度的度量作为模型的忠诚项，提出了一种新的去噪模型(模型1)。在模型1的基础上，为了保护图像的边缘结构不被破坏，用非凸形式的正则项代替模型1中的TV正则项，得到了另一个自适应性的新模型(模型2)。数值实验结果表明，相比于ROF模型，模型1和模型2的去噪结果有效改善了恢复图像的视觉效果，并且模型2在保护边缘方面的性能优于模型1。2.传统的非局部均值滤波算法中，在细节丰富的边缘区域的小块很难找到与之相似性较高的小块，故加权平均效果不明显，导致它在边缘区域去噪能力较弱。针对这一缺陷，提出一种自适应的权函数计算方法。新的权函数计算方法中，在边缘区域，引入结构相似度参数作为小块相似性的度量。由于结构相似度充分考虑了图像的结构信息，能够准确地将边缘区域的相似小块与不相似小块区别开来，增强算法在结构信息复杂的边缘区域的作用。数值实验表明，新算法在去噪过程中，能够保护图像的细节信息不被磨损，从而提高恢复图像的视觉效果。3.基于结构相似度与稀疏表示理论，提出了一种改进的稀疏正则化方法。在新方法中，利用一种基于结构相似度的度量代替K-SVD方法中的L2范数，并给出了新模型的求解算法。新方法结合了字典学习下稀疏表示的优势以及结构相似度在局部上考虑了图像像素间相关性的优势。实验结果表明，本文方法能够保护图像的结构信息不被破坏，去噪后图像的视觉效果较优。