版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、在當(dāng)今的信息化時代,信息的獲得、處理和利用已經(jīng)越來越重要了。人類所獲取的信息中,視覺占了70%,因此對圖像這種數(shù)據(jù)類型的獲取,處理和利用十分重要。但是,由于成像設(shè)備,傳輸,人為等因素不可避免得會使拍攝得到的圖像退化,失真,使最后得到的圖像偏離了真實的圖像場景。因此,圖像復(fù)原問題具有重要的現(xiàn)實意義。而且在數(shù)字圖像處理研究領(lǐng)域內(nèi)圖像復(fù)原屬于最基本的課題之一。
圖像復(fù)原問題通常是在給出一個退化圖像后,希望得到一個原始的真實的圖像。整
2、個退化過程可以通過一個退化模型來模擬,模型的輸入是一個真實的圖像,輸出是一個退化圖像,圖像復(fù)原往往是一個反問題。當(dāng)整個退化模型中的退化的過程并不太清晰的時候,人們往往采取盲復(fù)原技術(shù),其中可能會估計出退化過程。但是當(dāng)退化情況明了時,需要準(zhǔn)確的進(jìn)行圖像復(fù)原就需要依靠這個準(zhǔn)確的退化過程。然而僅僅依靠退化過程的信息,復(fù)原后的效果往往比較差。為了提高復(fù)原效果,我們需要利用到圖像的先驗知識,把先驗知識運用到圖像復(fù)原中,約束復(fù)原問題的解空間。
3、 學(xué)者們已經(jīng)提出了多種圖像的先驗?zāi)P?用這些先驗?zāi)P腿ソ鉀Q圖像去噪,圖像去模糊,圖像修補等問題。但是并沒有研究表明已經(jīng)提出的模型可以抓取到圖像中全部的統(tǒng)計信息,所以構(gòu)建合適準(zhǔn)確的圖像先驗?zāi)P腿匀皇且粋€未解決的問題。一個比較精確的先驗?zāi)P筒粌H可以用來解決這些基本的圖像處理問題,還可以從指導(dǎo)人們?nèi)グl(fā)現(xiàn)這些圖像復(fù)原問題的極限,比如對于圖像去噪問題,利用更加精確的先驗知識可以研究圖像去噪的極限效果。一方面人們繼續(xù)研究新的圖像先驗?zāi)P?另一方面
4、人們試圖結(jié)合多種先驗?zāi)P陀玫綀D像復(fù)原等問題上。但是當(dāng)前結(jié)合多種先驗?zāi)P偷姆绞郊性谡齽t化方法上,把先驗知識作為一個正則項放入到目標(biāo)函數(shù)中,以期望得到的解,也就是復(fù)原的圖像質(zhì)量更好。這種正則化方法,不僅數(shù)值計算復(fù)雜,而且事先需要構(gòu)造目標(biāo)函數(shù),這并不是一個通用的框架。為了得到一個通用的結(jié)合多種先驗?zāi)P偷目蚣?本文根據(jù)機器學(xué)習(xí)中的模型組合的思路,我們把每個獨立的先驗?zāi)P突颡毩⑺惴ㄗ鳛橐粋€“分類器”,根據(jù)每個獨立的復(fù)原結(jié)果,結(jié)合它們得到最終的復(fù)
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)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?zāi)P偷恼齽t化圖像復(fù)原方法研究.pdf
- 基于先驗約束的圖像盲復(fù)原方法研究.pdf
- 基于圖像先驗建模的圖像復(fù)原技術(shù)研究.pdf
- 基于暗通道先驗的霧天降質(zhì)圖像復(fù)原方法.pdf
- 基于塊先驗的運動模糊圖像復(fù)原算法研究.pdf
- 基于LLT模型的多通道圖像復(fù)原算法.pdf
- 超聲圖像復(fù)原方法研究.pdf
- 基于多種先驗的單幅霧天圖像復(fù)原算法研究.pdf
- 多幀圖像復(fù)原算法研究.pdf
- 基于稀疏和暗通道先驗的退化圖像復(fù)原.pdf
- 基于自然圖像統(tǒng)計性先驗和稀疏性先驗的圖像模型研究.pdf
- 盲圖像復(fù)原方法的研究.pdf
- 霧天圖像復(fù)原方法研究.pdf
- 醫(yī)學(xué)超聲圖像復(fù)原方法研究.pdf
- 基于大氣散射模型的霧天圖像復(fù)原方法研究.pdf
- 模糊圖像復(fù)原方法的研究.pdf
- 基于調(diào)和模型神經(jīng)網(wǎng)絡(luò)的彩色圖像復(fù)原方法研究.pdf
- 基于圖像先驗知識的濾波方法研究.pdf
- 圖像碎片復(fù)原方法的研究.pdf
- 采用圖像融合過程的多圖像復(fù)原.pdf
評論
0/150
提交評論