自適應加權全變差和非局部正則模型在圖像重建中的應用.pdf

1、數(shù)字圖像在人們的日常生活以及航空航天等方面有著非常重要的應用，但往往人們獲得的數(shù)字圖像的質(zhì)量都非常低。如何從這些低質(zhì)量的圖像重建出原清晰圖像，是一個非常重要的過程。在過去的幾十年里，人們對圖像重建進行了廣泛深入的研究，提出了各種各樣的圖像重建方法。其中，基于全變差模型的方法，能夠在去除噪聲的同時又成功地保留圖像的邊緣，因此其被廣泛應用于各種圖像重建問題當中。但全變差模型使用固定的正則參數(shù)，當此正則參數(shù)設置過大時，往往會過平滑圖像，反之，

2、又無法有效抑制噪聲，這樣導致圖像重建結(jié)果總是令人不是很滿意。
　　為了克服全變差模型的這個缺點，在本文，我們結(jié)合貝葉斯最佳估計理論，提出了一種新的局部結(jié)構自適應的加權全變差模型，用于圖像壓縮感知和去模糊兩個重建問題當中。提出的自適應加權全變差模型自適應地懲罰圖像梯度的幅值，從而重建出邊緣更加銳利的圖像。另外，為了進一步提高圖像重建結(jié)果，我們將圖像梯度的非局部相似性作為另一個約束正則項加入本文所提出的自適應加權全變差模型當中。同時我