

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、圖像復原屬于圖像處理和低層視覺中的關鍵性問題,是后續(xù)模式識別和高層理解的基礎。近幾十年來,該技術已經(jīng)深入到遙感圖像、醫(yī)學影像、軍事目標識別等多個應用領域。因此,對圖像復原模型和算法的研究具有重要的理論意義和實用價值。
圖像復原本質上屬于數(shù)學中的不適定反問題,正則化方法是解決該類問題的有效途徑。本文研究以基于圖像建模理論的圖像復原算法為主線,圍繞圖像乘性噪聲抑制、圖像恢復、圖像超分辨率復原以及彩色去馬賽克等問題,重點提出邊緣
2、保持、對比度保持、紋理保持以及結構保持的圖像模型,并在此基礎上設計對應問題的高效算法。本文所做的主要工作和研究成果如下:
(1)現(xiàn)有的許多乘性噪聲抑制方法很少考慮人類視覺心理學的影響。在極大后驗統(tǒng)計推斷下,根據(jù)乘性Gamma噪聲的分布特性構造數(shù)據(jù)保真項,結合HVS的Weber定律構造Weberized TV正則項,提出了抑制乘性Gamma噪聲的非凸變分模型,證明了模型解的存在唯一性,給出了正則化參數(shù)的自適應選擇方法。
3、> 針對所建立的優(yōu)化模型,提出了兩個數(shù)值求解算法:
1)利用優(yōu)化中著名的變量分裂和二次懲罰技巧,得到一個簡單的交替最小化算法;
2)通過不動點迭代,得到求解對應非線性Euler-Lagrange方程的線性化梯度方法。實驗結果表明本文所提出的方法不僅能有效抑制噪聲,并且在圖像邊緣和對比度保持等方面同樣具有很好的效果。
(2)為了提高圖像復原方法對邊緣、紋理等結構特征的保持能力,利用Poiss
4、on奇異積分(Poisson singular integral,PSI)刻畫圖像紋理的正則性,利用Curvelet獲得圖像平滑區(qū)域和邊緣部分的最優(yōu)稀疏表示,提出了一個聯(lián)合PSI正則化和Curvelet稀疏表示的圖像恢復模型。
針對所提出的變分模型,利用凸分析中的算子分裂技巧將復雜問題轉換為簡單的幾個子問題進行迭代求解,使得迭代過程只涉及快速Fourier變換和簡單的Curvelet閾值收縮。實驗結果表明所提出的復合正則化
5、方法不僅能有效抑制噪聲和模糊效應,而且極大程度地提升了圖像邊緣和紋理等細節(jié)特征的保持能力。
(3)針對基于TV正則化的多幅圖像超分辨率復原模型,提出了兩個快速算法:第一個方法利用變量分裂和二次懲罰技巧,并聯(lián)合交替最小化方法得到一個快速解耦算法。算法充分利用圖像降質模型中退化算子的結構特性(即:運動變形矩陣以及模糊矩陣在周期邊界條件下均具有循環(huán)結構),將上采樣融合、去模糊和去噪分步進行。上采樣融合采用簡單的非迭代格式。去模糊
6、過程利用Fourier變換對角化,快速求解對應的線性方程組。去噪過程采用高效的子空間投影法;第二個方法利用算子分裂法中的Douglas-Rachford分裂技巧求解原始問題的對偶問題,從而將對偶問題分解為三個簡單的子問題,并且每個子問題都具有閉解。另外,為了加速算法的收斂,進一步采取了初值預優(yōu)和向前—向后算子分裂技巧。
(4)目前,大部分的彩色去馬賽克(color demosaicking,CDM)算法僅利用了局部的空間和
7、光譜相關性,容易導致CDM復原圖像的邊緣模糊以及細小結構的丟失。當圖像中出現(xiàn)周期性細小結構時,這些局部方法容易產(chǎn)生諸如鋸齒效應、柵格效應、虛假色等失真現(xiàn)象。針對這些問題,我們將字典學習和稀疏編碼統(tǒng)一到一個變分框架中,提出了非局部自適應稀疏表示模型。通過非局部相似塊聚類自適應地在線學習字典。利用局部和非局部的冗余信息對稀疏編碼進行約束,強制稀疏編碼靠近其非局部均值以減少編碼誤差。為了有效抑制服從重尾分布的CDM誤差,設計了基于l1范數(shù)的數(shù)
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于圖像先驗模型的正則化圖像復原方法研究.pdf
- 基于正則化方法的中子圖像復原算法研究.pdf
- 基于混合正則化方法的圖像復原問題研究.pdf
- 基于全變差正則化的圖像復原.pdf
- 正則化圖像復原中的自適應方法研究與實現(xiàn).pdf
- 鞍點問題的若干有效算法及其在圖像復原中的應用.pdf
- 基于加權范數(shù)迭代算法的總變差正則化圖像復原方法.pdf
- 圖像復原的Bregman迭代正則化方法研究.pdf
- 圖像閾值化與目標分割方法中的若干問題研究.pdf
- 正則超分辨率圖像復原算法研究.pdf
- 圖像匹配中若干問題的研究.pdf
- 圖像處理若干問題的數(shù)學模型和高性能算法研究.pdf
- 距離正則圖的若干問題研究.pdf
- 基于加權范數(shù)迭代算法的總變差正則化圖像復原方法(1)
- 圖像處理的變分模型若干問題研究.pdf
- 圖像復原問題變分模型和算法研究.pdf
- 圖像檢索中若干問題的研究.pdf
- 基于圖像復原的一種正則化方法.pdf
- 基于正則化優(yōu)化的圖像視頻復原方法研究.pdf
- 變分正則化模型與算法及其在多通道圖像重構中的應用.pdf
評論
0/150
提交評論