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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在實(shí)際應(yīng)用過程中,激光圖像、合成孔徑雷達(dá)圖像、顯微圖像和醫(yī)學(xué)圖像中普遍存在著乘性噪聲.相對(duì)于加性噪聲圖像去噪問題,乘性噪聲有著相對(duì)比較低的均勻度、起伏比較劇烈,而且對(duì)圖像的影響較大和處理起來又相對(duì)麻煩等特性,因此對(duì)研究圖像乘性噪聲去除問題具有重要的意義。本文利用L0擬范數(shù)懲罰能保持稀疏性的特性,提出新的數(shù)值算法求解具有凸性的全變分去乘性噪聲問題。
本研究分為四個(gè)部分:第一章主要介紹圖像處理與圖像去噪的研究背景及其研究現(xiàn)狀與意義
2、,并闡述了本論文的主要工作及結(jié)構(gòu)。第二章給出用到的一些預(yù)備知識(shí),并介紹所涉及的相關(guān)定義、定理、PADMM算法、牛頓法以及用到的量化標(biāo)準(zhǔn)與符號(hào)記法。第三章提出一個(gè)基于具有凸性的全變分去乘性噪聲模型的新型的懲罰方法。即:通過算子分裂方法將初始問題轉(zhuǎn)化為約束優(yōu)化問題,然后在增廣拉格朗日框架下利用交替方向乘子法求解該約束優(yōu)化問題。與傳統(tǒng)的L2范數(shù)懲罰約束不同的是這里利用L0擬范數(shù)懲罰,從而保證部分變量在稀疏意義下達(dá)到更有效的懲罰.最后的數(shù)值實(shí)驗(yàn)
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于L2范數(shù)和L0范數(shù)方法的心電逆問題研究.pdf
- 基于平滑l0范數(shù)的稀疏分解算法的改進(jìn).pdf
- 基于l0范數(shù)最小化的圖像恢復(fù)算法研究.pdf
- 乘性噪聲圖像恢復(fù)的變分方法.pdf
- 基于L0范數(shù)和核回歸模型的圖像去噪方法研究.pdf
- 基于梯度圖像的L0范數(shù)最小化的快速磁化率重建方法.pdf
- 基于L0優(yōu)化的紋理分析技術(shù).pdf
- 基于L0方法的CT超稀疏投影重建.pdf
- 變指數(shù)變分乘性去噪模型的研究.pdf
- 基于光滑化全變分的圖像重建問題研究.pdf
- 帶乘性噪聲的Markov跳躍系統(tǒng)L2-L∞性能分析與綜合.pdf
- 基于L0梯度最小化的圖像平滑方法研究.pdf
- 范數(shù)最優(yōu)化問題的交替方向乘子算法.pdf
- 細(xì)分樹的L-,p-范數(shù)或擬范數(shù)平均大小和小波包的漸近性態(tài).pdf
- 基于光滑化全變分模型的圖像分割問題研究.pdf
- 基于光滑L0正則子的神經(jīng)網(wǎng)絡(luò)稀疏化梯度學(xué)習(xí)算法研究.pdf
- 基于光滑化全變分型圖像復(fù)原問題研究.pdf
- 基于PDE和全變分濾波方法的研究及在多種噪聲中的應(yīng)用.pdf
- 一種圖像反卷積的光滑L0正則化算法.pdf
- 基于全變分(TV)的彩色圖像增強(qiáng).pdf
評(píng)論
0/150
提交評(píng)論