《基於稀疏理論和圖Laplacian矩陣的圖像去噪理論與方法研究》是依託河海大學，由湯一彬擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於稀疏理論和圖Laplacian矩陣的圖像去噪理論與方法研究
- 項目類別：青年科學基金項目
- 項目負責人：湯一彬
- 依託單位：河海大學
項目摘要,結題摘要,
項目摘要
為進一步提高去噪圖像質量，本項目以基於稀疏理論的圖像去噪為基礎，利用圖Laplacian矩陣（簡稱圖L陣）的相關理論，研究稀疏理論和圖L陣相結慨鑽尋合的去噪方法，構建稀疏去噪新方案。項目首先對含噪圖L陣從數學角度進行分析，探索含噪矩陣中真實圖像塊間關係信息的估計方法，以實現圖像塊間關係在稀疏去噪中的充分利用。同時，基於圖L陣正則項稀疏去噪模型，利用圖像在各尺度、各層上對應的圖L陣的不同特性，進行多尺度、多層的去噪框架設計，並實現相關參數的最佳化。此外，通過對圖L陣特徵向量的研究，提出基於該特徵向量的稀疏去噪新模型，並實現稀疏求解、圖L陣特徵向量選取等問題的解決。本項目擬通過嘗束符上述研究，在基於稀疏理論與圖L陣的圖像去噪方面，探索一條有效提高去噪性能的新途徑，為後續基於圖像的各種套用提供良好的基礎。
結題摘要
本項目主要從事圖像去噪工作。其以稀疏理論的圖像去噪為基礎，利用圖Laplacian矩陣相關理論，研究稀疏理論和圖Laplacian陣相結合的去噪方奔局和滲法，構建稀疏去噪新方案，進一步提高備估達去噪圖像質量。本項目對基於圖特徵向量濾波圖像去噪算法的深入研究，解決了大規模圖像塊構建圖Laplacian陣和進行特徵值分解的問題。與此同時，通過構建引導圖像用於估計去噪過程中的噪聲，利用群稀疏的最佳化方案，提出了一種自適應特霸堡征向量數目的獲取方法，取代傳統基於圖特徵向量濾波圖像去噪中啟發式特徵向量數目選擇策略，使得該類去噪算法的實用性進一步提高。隨後，我們完成了基於稀疏和圖Laplacian陣相結合的去噪算法框架構建院拜犁，結合稀疏理論和圖特徵向量各自優點，設計多種相關去噪算法，獲得比傳統圖像去噪更佳的去噪結果。在此過程中，我們將圖特徵向量視為一右乘固定字典，融入稀疏去噪框架，通過雙字典最佳化方法求解稀疏係數，實現了稀疏去噪和圖特徵向量去噪的有機結合，使得去噪後圖像既能有效保留真實邊緣結構，又能恢復一定的類噪聲結構。最後，我們還積極從事與圖像去噪相關的工作。例如，在基於稀疏表示的圖像盲去模糊研究中，利用外部圖像先驗構建字典避免直接從模糊圖像中訓練字典，並在中間去模良拒體雅糊圖像中引入圖像去噪方法，以此突出圖像結構以更好的模糊核估計，提高去模糊圖像質量；在圖像增強中，利用圖像去霧原理和人眼視覺感知進行強光下的低照度圖像增強；在圖像字元分割提取中，則利用雙向樹結構對於複雜工況環境下粘連鋼坯字元塊進行孤立字元分割，也獲得了一些有益的結果。在整個項目執行期間，共發表期刊論文6篇，會議論文7篇(SCI檢索6篇，EI檢索7篇)，授權發明專利4項。該項目的研究本質上為將圖像塊視為圖拓撲結構中的節點，並利用圖信號處理進行圖結構學習和對應濾波，是圖信號處理在圖像去噪領域的一種積極嘗試，從而為圖像去噪提供了更為豐富的研究手段。
