结构保持的图像去噪模型与算法研究

"结构保持的图像去噪方法研究" 本文主要探讨的是图像去噪技术，其核心目标是在消除噪声的同时，尽可能地保留图像中的重要结构信息，如边缘、纹理等。图像去噪是图像处理中的基础步骤，对后续的图像超分辨率、图像分割、图像识别和特征提取等任务至关重要。论文作者刘红毅在导师韦志辉的指导下，研究了一系列结构保持的图像去噪模型和新算法，具体成果和创新点包括： 1. 提出了一种基于小波系数相关性的新去噪方法。利用小波系数在不同尺度的关联性和极值，定义了新的相关系数，结合小波阈值技术进行去噪。这种方法在分数阶B样条小波域中也得到应用，能更好地保持图像的边缘和纹理，提高去噪质量。 2. 针对正则性指数去噪方法的局限，提出了结合正则性指数和Total Variation (TV)正则先验的图像去噪模型。此模型通过调整小波系数增强图像的局部正则性，有效减少了Gibbs现象，增强了边缘结构的保持，并扩展到了分数阶B样条小波域。 3. 利用结构张量矩阵来捕捉像素的局部梯度结构信息，设计了一种自适应核回归图像去噪和插值模型。该模型能精确估计边缘方向，有助于重建图像的边缘和纹理，实验结果显示其在均方误差上达到最优，验证了算法的高效性。 4. 对于Steering核回归模型在细尺度边缘处理上的不稳定性，文章提出两种更鲁棒的核函数，以增强边缘保持能力。这些新的核函数在处理边缘细节时表现出色，避免了高斯核函数可能导致的伪边缘现象。 5. 结合非局部_patch_相似性和TV正则性，提出了一种新的变分模型。该模型通过保真项确保去噪图像与原始图像的结构相似，非局部TV正则项则有助于保护边缘和细小纹理，实验证明其在噪声严重的情况下仍能保持良好的去噪和结构保持效果。 6. 最后，论文还提出了一种自适应非局部_patch_自相似性正则化模型，采用改进的结构张量矩阵构建导向性权函数，区别于传统的非局部权函数计算方法。 这些研究不仅在理论上丰富了图像去噪的理论框架，而且在实践中提供了更有效的去噪算法，对于提升图像处理的性能和准确性具有重要意义。