基于非線性結(jié)構(gòu)張量的圖像正則化方法研究.pdf

1、圖像復原作為計算機視覺領(lǐng)域中的一個重要分支，在提高圖像質(zhì)量，重建圖像信息等方面具有重要的意義。圖像復原的實質(zhì)是逆問題的求解，正則化方法通過約束目標病態(tài)性問題使其轉(zhuǎn)化成良性，是解決逆問題的主要方法之一。其中，總變差(Total Variation，TV)正則化模型由于在平滑噪聲的同時能夠很好的保持圖像邊緣細節(jié)信息受到廣泛的關(guān)注。結(jié)構(gòu)張量(Structure Tensor,ST)融合了圖像的局部數(shù)據(jù)信息，是高效的圖像分析工具。論文將ST與正

2、則化方法相結(jié)合，提出了新的圖像復原方法，主要工作及貢獻如下:
　　1)深入分析了圖像復原技術(shù)的應用背景、基本原理及國內(nèi)外發(fā)展狀況，針對現(xiàn)有的圖像復原方法進行歸納總結(jié)，指出各方法發(fā)展的前景及存在的不足，為后續(xù)的研究指明方向。
　　2)提出了基于原子分裂的ST平滑方法。通過對現(xiàn)有的ST平滑方法的分析，得出這些方法在平滑張量場時不能較好地保持局部數(shù)據(jù)信息，從而降低了對圖像的分析能力。本文以原子分裂的方式構(gòu)造各向異性非線性結(jié)構(gòu)張量(

3、Nonlinear Structure Tensor，NLST)，該方法的優(yōu)點是:更好地利用空間方向信息進行張量場正則化，可以直接運用歐氏距離計算平滑權(quán)重系數(shù)避免將非局部均值濾波推廣到張量場。實驗證明，本文提出的各向異性NLST能有效分析圖像局部結(jié)構(gòu)，提取有用信息。
　　3)提出了基于NLST的非局部正則化模型。正則化方法中，正則項的構(gòu)造尤為重要。傳統(tǒng)的正則項構(gòu)造方法是通過原始圖像的局部導數(shù)信息來刻畫圖像中的連續(xù)和不連續(xù)性，對于圖