基于部分频谱数据图像重构去噪算法.pdf

基于部分频谱数据图像重构的去噪算法摘要本文提出了一种新颖的基于重构——平均机制(Averaging Reconstructed images, AVREC) 的去噪算法: 选择原始完整频谱的不同部分频谱,对每一个部分分别用奇异谱分析模型(SSA) 重构出一个观测图像。由于这些观测图像与原始观测图像各自有不同的随机噪声,并且有同一真实无噪声图像,这样就可以通过求重构观测图像的均值来达到对原始观测信图像去噪的目的。文中,我们同时提出了基于一维奇异谱分析模型(1-D) 和二维奇异谱分析模型(2-D) 的图像重构——平均去噪算法,并且用这种方法在含有噪声的模拟磁共振图像和真实磁共振图像上与传统中值滤波方法和小波方法做了对照实验。实验结果表明,这种算法兼有多重观测图像平均去噪法和单一观测图像去噪法的优点,在去噪的同时能够有效地保留图像的细节信息,表现出了传统去噪算法无法比拟的优点。我们称其为基于部分频谱数据图像重构的去噪方法。关键词: 去噪,重构,部分频谱,奇异谱分析,一维模型,二维模型 A Denoising Method Based on Image Reconstruction from Partial Spectrum Data ABSTRACT In this thesis, we proposed a novel denoising approach based on reconstruction-average mechanism. Firs t, different parts of the original complete spectrum are c hosen. Each partial spectrum is then used to reconstruct an image base d on singularity spectrum an alysis (SSA) model. We achieve denosing by averaging these recons tructed images since they have the same noise-free image but different stocha stic noise. In this thesis, we apply this algorithm on both one-dimensiona l (1-D) and two-dimensional (2-D) partial spectrum reconstruction. The ex perimental results on both simulated and real images demonstrated that proposed method is able to obtain efficiently denoising effect while main taining high image quality, it presents significant advantages over conventi onal denoising methods. The proposed method maintains the advantages of both averaging multi-signal denoising method and single signal denoising me thod, we call it denoising by image reconstruction from partial spectrum data. Keywords: Denoising, reconstruction, partial spectrum, singularity spectrum analysis model, 1-D, 2-D 上海交通大学硕士学位论文第一章绪论第 1 页第一章绪论 研究背景随着计算机、通信和网络技术的迅猛发展,人们已经步入了信息生活的时代。小到手机、数字电视、视频电话,大到生产、医疗、艺术、军事以及航天等,图像与人们生活的关系越来越密切。 2007 年 10 月 24 日,我国自主研制的“嫦娥一号”卫星发射成功,并于同年 11 月 20 日传回了月球表面的图像信号,国家航天局在 2007 年 11 月 26 日正式公布了嫦娥一号卫星传回的第一幅月面图像,让中国人民通过自己的科技进步和月球有了第一次亲密接触,实现了中国人千年的奔月梦想。而所有的这一切都是建立在图像交换和传递的基础之上的。人们获取信息的途径主要是通过视觉、听觉、触觉、味觉和嗅觉这些自身的生理器