版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著成像技術(shù)的發(fā)展,小型化、低功耗、高性能成像傳感器在抗震救災(zāi)、探險(xiǎn)、目標(biāo)探測(cè)與跟蹤、戰(zhàn)場(chǎng)信息感知等方面起著越來(lái)越重要的作用。然而在成像過(guò)程中,不可避免地因光學(xué)系統(tǒng)的像差、傳輸設(shè)備和存儲(chǔ)設(shè)備的電子噪聲、相機(jī)抖動(dòng)或目標(biāo)與相機(jī)之間的相對(duì)運(yùn)動(dòng)等因素,引起成像質(zhì)量的下降。本文通過(guò)分析、研究不同成像目標(biāo)的結(jié)構(gòu)特征,提出多種復(fù)原方法提高圖像質(zhì)量,并拓展研究了具有相對(duì)普適能力的退化圖像復(fù)原技術(shù)。
針對(duì)現(xiàn)有圖像復(fù)原方法對(duì)邊緣特征尤其是拐角特征
2、復(fù)原不佳這一問(wèn)題,本文提出了基于各向異性總變分(anisotropic total variation,ATV)模型的L2范數(shù)圖像邊緣特征非盲復(fù)原算法,該方法使用具有Wulff幾何特征的各向異性總變分作為圖像的正則項(xiàng),以達(dá)到更好地描述圖像邊緣特征的目的。針對(duì)點(diǎn)擴(kuò)散函數(shù)未知的圖像拐角特征復(fù)原問(wèn)題,本文在上述非盲算法的基礎(chǔ)上,進(jìn)一步提出了基于各向異性總變分的盲復(fù)原算法,該方法使用各向異性總變分分別表征圖像的邊緣和模糊核。本文所提的非盲和盲復(fù)
3、原方法不僅增強(qiáng)了復(fù)原圖像的邊緣,而且使得圖像的拐角等尖銳細(xì)節(jié)特征得到有效的保護(hù)。在非盲復(fù)原中,和其它典型的非盲方法相比,采用本文所提方法獲得的圖像的信噪比和結(jié)構(gòu)相似度指標(biāo)至少提高了15%和5%;在盲復(fù)原中,上述兩項(xiàng)指標(biāo)則至少提高了20%和6%。另外,本文所提的盲復(fù)原算法較現(xiàn)有方法顯著地提高了模糊核估算的準(zhǔn)確性,從而減少了復(fù)原圖像和估算模糊核信息的丟失。
在致力于圖像邊緣保護(hù)的同時(shí),本文還對(duì)如何高效地提高圖像紋理的復(fù)原進(jìn)行了研究
4、。紋理圖像具有結(jié)構(gòu)多樣性特點(diǎn),人們?cè)谔幚磉@類圖像時(shí),通常將其分解成大尺度下的卡通部分以及小尺度下的紋理部分。雖然基于總變分分解的圖像復(fù)原方法較傳統(tǒng)的未分解復(fù)原方法可以一定程度地改善紋理圖像復(fù)原質(zhì)量,但總變分產(chǎn)生的階梯效應(yīng)制約了圖像質(zhì)量的提升。為消除階梯效應(yīng)的影響,進(jìn)一步改善紋理圖像的復(fù)原質(zhì)量,本文提出了基于緊小波框架和分析型稀疏圖像分解的非盲紋理圖像復(fù)原算法,為保護(hù)圖像的卡通部分,該算法使用小波框架變換作為圖像輪廓部分的正則項(xiàng),使用一個(gè)
5、二次項(xiàng)作為平坦區(qū)域的正則項(xiàng);而為保護(hù)紋理,則使用離散余弦變換作為紋理的正則項(xiàng)。針對(duì)點(diǎn)擴(kuò)散函數(shù)未知的紋理圖像的復(fù)原,本文,進(jìn)一步提出了基于稀疏分解的紋理圖像盲復(fù)原算法,該方法不僅使用小波框架、二次項(xiàng)及離散余弦變換分別表征圖像的卡通和紋理,而且提出使用總變分和一個(gè)二次項(xiàng)的組合來(lái)對(duì)模糊核進(jìn)行建模。所提非盲和盲復(fù)原方法不僅能夠有效地實(shí)現(xiàn)對(duì)內(nèi)容結(jié)構(gòu)多樣性圖像的復(fù)原,而且能夠?qū)崿F(xiàn)對(duì)圖像內(nèi)容的多尺度分解,從而為后續(xù)的圖像分析和應(yīng)用提供依據(jù)。在非盲復(fù)原
6、中,該方法較其它典型的非盲復(fù)原方法復(fù)原出的圖像的誤差率至少降低了26%,復(fù)原圖像的信噪比和結(jié)構(gòu)相似度指標(biāo)分別提升了至少10%和5%。在盲復(fù)原中,和其它典型盲復(fù)原方法相比,復(fù)原圖像的誤差率至少降低了50%,圖像復(fù)原圖像的信噪比和結(jié)構(gòu)相似度分別提高了至少8%和31%,而且所提盲復(fù)原方法還有效地利用圖像分解估算出較為準(zhǔn)確的模糊核。
在對(duì)邊緣、紋理復(fù)原取得較好成效的基礎(chǔ)上,本文將上述方法運(yùn)用于我們所研制的傾斜旋轉(zhuǎn)掃描成像系統(tǒng)中,以解決
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于各向異性擴(kuò)散的圖像處理技術(shù)及其應(yīng)用.pdf
- 基于各向異性擴(kuò)散的紋理圖像分割方法研究.pdf
- 基于總變分和核回歸的視頻圖像復(fù)原.pdf
- 基于各向異性高斯濾波的圖像邊緣檢測(cè)方法.pdf
- 基于改進(jìn)的變分圖像分解濾波方法的研究及其應(yīng)用.pdf
- 總變分型圖像復(fù)原問(wèn)題研究.pdf
- 基于各向異性擴(kuò)散的圖像放大法.pdf
- 空間移變圖像復(fù)原及其應(yīng)用研究.pdf
- 基于高階變分的圖像去噪和復(fù)原方法研究.pdf
- 基于圖像特征的各向異性擴(kuò)散濾波算法研究.pdf
- 圖像去噪的各向異性擴(kuò)散方法.pdf
- 各向異性外問(wèn)題的區(qū)域分解算法.pdf
- 總變分圖像復(fù)原正則化參數(shù)選擇方法的比較.pdf
- 壓縮感知及稀疏性分解在圖像復(fù)原中的應(yīng)用研究.pdf
- 各向異性及中空微球的制備和應(yīng)用研究.pdf
- 考慮應(yīng)力各向異性土體本構(gòu)模型及其應(yīng)用研究.pdf
- 基于稀疏約束的圖像盲復(fù)原方法研究.pdf
- 基于變分方法的圖像分解與圖像分割.pdf
- 基于分?jǐn)?shù)階各向異性擴(kuò)散模型的圖像去噪方法研究.pdf
- 高靈敏熒光各向異性核酸探針的構(gòu)建及其應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論