資源描述：
《基于pde圖像變分去噪模型的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)TP391密級(jí)公開重慶郵電大學(xué)碩士學(xué)位論文論文題目基于PDE的圖像變分去噪模型研究英文題目ResearchonVariationalModelsfor指導(dǎo)教師學(xué)科專業(yè)胡學(xué)剛教授論文提交日期碰!蘭至蜩論文答辯日期至Q堇2生5且2亟日論文評(píng)閱人答辯委員會(huì)主席座叢撾絲逖2012年5月獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特另JJJn以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得重麼郵電太堂或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的
2、任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：張?jiān)尷旌炞秩掌冢簑f≯年r月訂日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解重麼整電太堂有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)重麼郵電太堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書)學(xué)位論文作者簽名：戮龍濤導(dǎo)師簽名：洲罾譎土簽字日期：伽抄年歹月訂日簽字日期：：陽(yáng)12，年y自坯1重慶郵電大學(xué)碩士論文摘要圖像去噪是計(jì)算機(jī)圖像處
3、理中的重要分支之一。圖像在獲取、傳輸和處理的過程中會(huì)不可避免地引入不可預(yù)測(cè)的噪聲，從而引起圖像質(zhì)量的下降，以致影響圖像進(jìn)一步的分析與應(yīng)用。因此，作為圖像預(yù)處理的圖像去噪技術(shù)在天文學(xué)、合成孔徑雷達(dá)圖像、醫(yī)學(xué)圖像等領(lǐng)域具有廣泛的應(yīng)用價(jià)值。傳統(tǒng)的去噪技術(shù)主要是對(duì)圖像進(jìn)行濾波處理，從而在濾除噪聲的同時(shí)模糊了圖像的邊緣細(xì)節(jié)，造成圖像重要細(xì)節(jié)的丟失，以致在某些方面不能滿足后續(xù)分析與應(yīng)用的需求。近年來，隨著偏微分方程(PartialDifferentialEquation，PDE)研究的深入，基于偏微分方程的圖像去噪技術(shù)取得了較大進(jìn)展，并獲得了較為滿意的效果。本文利用偏微分
4、方程和變分方法的相關(guān)理論，研究去除圖像乘性噪聲的問題，提出了兩種新的變分去噪模型。它們不僅具有良好的去噪效果，而且還能保持圖像邊緣細(xì)節(jié)特征。首先，針對(duì)現(xiàn)有全變分方法在去除乘性噪聲時(shí)出現(xiàn)邊緣模糊、去噪效果不佳及“階梯"效應(yīng)等問題，提出了一種新的去除圖像乘性噪聲的變分模型，導(dǎo)出了該模型對(duì)應(yīng)的偏微分方程初邊值問題，分析了模型的去噪機(jī)理，并給出了相應(yīng)的數(shù)值計(jì)算方法。該模型不僅能較好地抑制圖像中的乘性噪聲，而且能很好地保護(hù)圖像的邊緣細(xì)節(jié)特征，緩解了圖像模糊，在視覺上更平滑自然，基本上消除了“階梯”效應(yīng)，尤其是對(duì)于嚴(yán)重噪聲的圖像有更佳表現(xiàn)。此外，新模型在時(shí)間復(fù)雜性與運(yùn)行耗
5、時(shí)方面也具有較大的優(yōu)勢(shì)。其次，針對(duì)現(xiàn)有去除圖像乘性噪聲的變分模型的保真項(xiàng)中存在病態(tài)條件的問題，結(jié)合全變分方法和對(duì)數(shù)變換的相關(guān)理論對(duì)保真項(xiàng)進(jìn)行分析，提出一種新的基于偏微分方程的去除圖像乘性噪聲的變分模型。從數(shù)值實(shí)驗(yàn)結(jié)果可以看出，新模型不僅具有良好的去噪效果，能夠較好地抑制圖像中的“階梯效應(yīng)"現(xiàn)象，而且能夠避免該模型的病態(tài)情形，明顯改善了去噪圖像的均方值和峰值信噪比。關(guān)鍵詞：乘性噪聲，變分方法，偏微分方程，保真項(xiàng)，對(duì)數(shù)變換重慶郵電大學(xué)碩士論文AbstractImagedenoisingisoneoftheimportantbranchesofimageproces
6、sing．Digitalimagesinevitablyintroduceacertaindegreeofblurandrandomnoiseintheprocessofacquisition，processingandtransmission．Thedegradationsareharmfultofurtherapplications．Therefore，imagedenoisingisanessentialpretreatment，whichiswidelyusedinastronomy，SyntheticApertureRadar(SaR)，medica
7、limage，etc．Thetraditionalimagedenoisingapproachesrestonfiltering．Itwillcausethelossofedgedetailduringfilteringoutthenoise，andcannotmeettheactualdemand．Inrecentyears，forthefurthersearchonPDE(PartialDifferentialEquation)，itWaswidelyappliedinimagedenoising，andbetterresultshavebeenobtai
8、ned．Inthisthesis，we
