基于形態(tài)學(xué)和正則化的圖像復(fù)原方法研究.pdf

1、數(shù)字圖像在獲取、處理和傳輸過程中將不可避免地引入不同程度的模糊和噪聲，引起圖像質(zhì)量下降，從而影響圖像的進(jìn)一步應(yīng)用：如圖像的特征提取、自動識別和圖像分析等。因此，作為圖像預(yù)處理的復(fù)原技術(shù)在天文學(xué)、遙感成像、醫(yī)療圖像等領(lǐng)域具有廣泛的實(shí)際應(yīng)用。傳統(tǒng)的圖像復(fù)原方法主要是進(jìn)行濾波處理，由于噪聲和細(xì)節(jié)都表現(xiàn)為圖像的高頻部分，從而導(dǎo)致濾除噪聲的同時(shí)造成邊緣細(xì)節(jié)的丟失，不能滿足實(shí)際的需求。近年來，偏微分方程圖像處理技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、數(shù)學(xué)形態(tài)學(xué)圖像處理

2、技術(shù)、小波分析技術(shù)以及圖割技術(shù)等，被廣泛應(yīng)用于圖像復(fù)原，取得了很好的復(fù)原效果。
　　 本文以圖像復(fù)原中的去噪和去模糊問題為主要研究內(nèi)容，研究了數(shù)學(xué)形態(tài)學(xué)圖像復(fù)原技術(shù)，和基于偏微分方程的正則化圖像復(fù)原技術(shù)，其主要工作如下：
　　 首先，對數(shù)學(xué)形態(tài)學(xué)和正則化方法的相關(guān)概念和理論進(jìn)行了歸納、總結(jié)。介紹了灰度形態(tài)學(xué)的基本操作；討論了正則化參數(shù)的選取方法和常用的正則化算法的實(shí)現(xiàn)。
　　 其次，在數(shù)學(xué)形態(tài)學(xué)圖像去噪的研究中，

3、將圖像分割技術(shù)應(yīng)用到圖像復(fù)原中，提出了基于輪廓結(jié)構(gòu)元素和閾值分割的數(shù)學(xué)形態(tài)學(xué)去噪算法。該算法首先對圖像進(jìn)行閾值分割得到目標(biāo)圖像和背景圖像，然后對得到的兩幅圖像采用不同的輪廓結(jié)構(gòu)元素濾波器算子進(jìn)行濾波，最后將其合成。實(shí)驗(yàn)結(jié)果表明，該算法與其他形態(tài)學(xué)濾波算法相比，不僅更有效的抑制了噪聲，而且對主要目標(biāo)的邊緣細(xì)節(jié)也起到了較好的保護(hù)作用。
　　 最后，針對現(xiàn)有迭代正則化方法復(fù)原質(zhì)量不高的問題，在原有模型的基礎(chǔ)上，提出了變步長迭代正則化圖