基于高階變分的圖像去噪和復(fù)原方法研究.pdf_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、變分法具有良好的理論基礎(chǔ)和高度的靈活性,被廣泛應(yīng)用于數(shù)字圖像處理領(lǐng)域,特別是應(yīng)用于圖像去噪、圖像恢復(fù)、圖像劃分等領(lǐng)域獲得了很好的處理效果。本文圍繞高階變分圖像處理方法展開研究,內(nèi)容涉及圖像去噪、點擴展函數(shù)(PSF)的參數(shù)估計和圖像復(fù)原等。主要工作如下:
  (1)用HVS(Human Visual System)中的視覺掩蓋特性對控制擴散強弱的參數(shù)ω進(jìn)行改進(jìn),提出一種基于HVS的高階自適應(yīng)綜合變分去噪模型。根據(jù)HVS的噪聲屏蔽函數(shù)

2、M(x,y)值,自適應(yīng)的選取參數(shù)ω取值范圍,進(jìn)而選擇綜合模型的擴散約束項。實驗結(jié)果表明:本模型能抑制“階梯效應(yīng)”的產(chǎn)生,使復(fù)原圖像質(zhì)量改善并符合人眼視覺特性。
  (2)為了準(zhǔn)確地估計運動模糊圖像的PSF參數(shù),本文提出一種基于倒譜域估計PSF參數(shù)的算法。利用Radon變換和小波包分解對模糊圖像的倒頻譜進(jìn)行分析,提取模糊尺度與模糊角度。對大量的計算機仿真圖像進(jìn)行PSF參數(shù)估計實驗,其結(jié)果表明:本方法估計出的PSF參數(shù)準(zhǔn)確,且具一定的

3、抗噪性。
  (3)根據(jù)估計出PSF參數(shù),提出一種基于高階變分模型的運動模糊圖像復(fù)原方法。與經(jīng)典圖像復(fù)原算法相比,得到了較好的復(fù)原結(jié)果,進(jìn)一步證明本文估計PSF參數(shù)的有效性和準(zhǔn)確性。
  (4)在PSF信息不足的情況下,提出一種基于高階混合正則項的圖像盲復(fù)原模型。根據(jù)圖像邊緣特性,對邊緣細(xì)節(jié)進(jìn)行一階正則化約束,同時對平滑區(qū)域采用高階擴散約束。大量的實驗數(shù)據(jù)顯示:本文所用的算法對圖像邊緣特性起到了很好的保護作用,并且有效地抑制

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。

評論

0/150

提交評論