基于圖像先驗?zāi)Ｐ驼齽t化圖像復(fù)原方法的研究

《基于圖像先驗?zāi)Ｐ驼齽t化圖像復(fù)原方法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、萬方數(shù)據(jù)Ph．D．DissertationResearchonReguIarizationImageRestorationMethodBasedonPriorConstraintModels8yXuHuanyuSupervisedbyPr西SunQuansenNanjingUniversityofScience＆TechnologyJuly,2013萬方數(shù)據(jù)聲明尸明本學(xué)位論文是我在導(dǎo)師的指導(dǎo)下取得的研究成果，盡我所知，在本學(xué)位論文中，除了加以標注和致謝的部分外，不包含其他人已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得任何教育機構(gòu)的學(xué)位或?qū)W歷而使用過的材料。與我一同工作的

2、同事對本學(xué)位論文做出的貢獻均已在論文中作了明確的說明。研究生簽名：雄奸加歷年肜月多2／日學(xué)位論文使用授權(quán)聲明南京理工大學(xué)有權(quán)保存本學(xué)位論文的電子和紙質(zhì)文檔，可以借閱或上網(wǎng)公布本學(xué)位論文的部分或全部內(nèi)容，可以向有關(guān)部門或機構(gòu)送交并授權(quán)其保存、借閱或上網(wǎng)公布本學(xué)位論文的部分或全部內(nèi)容。對于保密論文，按保密的有關(guān)規(guī)定和程序處理。研究生簽名：主壘壘室加膨年肜月衫日萬方數(shù)據(jù)博士論文基于圖像先驗?zāi)Ｐ偷恼齽t化圖像復(fù)原方法研究摘要隨著信息時代的發(fā)展，科學(xué)研究與實際應(yīng)用對信號以及圖像質(zhì)量的要求與日俱增。先進的數(shù)字信號與圖像處理技術(shù)受到了學(xué)術(shù)界與商界的廣泛關(guān)注，并且有效的數(shù)字信號與圖像處理

3、技術(shù)也能夠為后續(xù)的應(yīng)用工作做好充分的準備。在數(shù)字信號與圖像處理中，正則化方法是一項重要的研究課題。正則化方法不但具有較為深厚的數(shù)學(xué)理論基礎(chǔ)，其與優(yōu)化理論以及偏微分方程理論聯(lián)系緊密；同時，其能夠與各種數(shù)字信號與圖像的先驗信息模型相結(jié)合，以解決各種不同應(yīng)用背景下的任務(wù)。圖像復(fù)原是各種圖像處理、模式識別任務(wù)中預(yù)處理環(huán)節(jié)不可或缺的，圖像復(fù)原結(jié)果的優(yōu)劣，決定著后續(xù)圖像處理任務(wù)能否順利地完成。論文著重于圖像先驗?zāi)Ｐ团c正則化圖像復(fù)原理論方法和應(yīng)用研究。主要開展了多種圖像先驗?zāi)Ｐ驮趫D像復(fù)原中的應(yīng)用，正則化圖像復(fù)原模型的快速求解方法以及未知模糊信息的圖像盲復(fù)原方法等方面的研究工作，并將上

4、述研究應(yīng)用于自然圖像復(fù)原以及含有多種退化因素的遙感圖像復(fù)原等領(lǐng)域，理論研究與應(yīng)用相互結(jié)合。論文取得的創(chuàng)新理論及成果主要包括：1)針對遙感圖像消除不規(guī)則采樣、去模糊、去噪的問題，分析了傳統(tǒng)消除不規(guī)則采樣方法與圖像復(fù)原方法，并指出這些方法存在的不足：傳統(tǒng)消除不規(guī)則采樣需要多次迭代，算法速度較慢，同時傳統(tǒng)圖像復(fù)原方法存在難以保持紋理細節(jié)信息、引入人為退化因素等缺陷。針對上述問題，提出了基于非局部總變差的遙感圖像消除不規(guī)則采樣復(fù)原方法，能夠同時消除不規(guī)則采樣、并去除模糊、噪聲等退化因素。同時，利用變量分裂方法對所提出的模型進行快速求解。實驗結(jié)果表明，相比于傳統(tǒng)復(fù)原方法，所提出的

5、方法能夠有效地減少復(fù)原圖像中的階梯效應(yīng)，并且能夠更好地保存圖像中的紋理細節(jié)信息。2)針對總變差正則化圖像復(fù)原方法的求解問題，深入研究了近年來正則化方法的快速求解方法。并在Bregman迭代的基礎(chǔ)上，提出一種基于Bregman迭代的快速圖像復(fù)原方法。所提出的方法在求解時，運用交替最小化的方法將復(fù)雜的復(fù)原問題分割為兩個容易求解的子問題，能夠使用更少的迭代次數(shù)達到收斂，以達到簡化問題并提高求解效率的目的。并且，在所提出方法基礎(chǔ)上，結(jié)合非局部正則化方法，提出一種自適應(yīng)計算非局部均值濾波器參數(shù)的方法。引入非局部正則化后，算法具有更好的紋理細節(jié)信息保持能力。通過實驗結(jié)果表明，所提出

6、的方法收斂速度快，復(fù)原效果好。3)深入研究基于圖相片的圖像模型、稀疏表示的圖像復(fù)原模型以及字典構(gòu)造等領(lǐng)域，并指出現(xiàn)階段基于稀疏表示的圖像復(fù)原方法所存在的不足：基于圖像片與非局部信息的圖像復(fù)原方法在復(fù)原拼接時，由于模型的不連續(xù)性在圖像片邊緣處可能會有拼接痕跡，并且在退化較為嚴重的圖像復(fù)原中還可能出現(xiàn)條帶等人為退化因素。針對此問題，提出了一種結(jié)合了稀疏表示與非局部總變差的圖像復(fù)原方法，利用稀疏表示所提供的圖像片萬方數(shù)據(jù)摘要博士論文非局部信息以及非局部總變差對于圖像連續(xù)性和完整性的約束。同時，使用待復(fù)原圖像本身構(gòu)造自適應(yīng)字典，方法簡單，復(fù)原效果良好，且無需使用迭代算法進行繁瑣

7、的求解。最后將提出的正則化模型分解為三個投影子問題進行求解，每個子問題均方便求解，能夠提高求解效率。實驗結(jié)果表明，所提出的基于稀疏表示與非局部正則化的圖像復(fù)原方法能夠有效地保持原圖像的紋理細節(jié)信息，對于不同退化程度的圖像上均有較好的復(fù)原效果。4)針對基于偏微分方程的圖像盲復(fù)原問題，深入研究了從P．M模型、沖擊濾波到后續(xù)的各種改進方法，并指出這些方法的共同缺陷：嚴重依賴于各像素梯度方向與梯度值的計算，然而卻由于計算方法過于簡單，特別是在含有模糊以及噪聲的退化圖像上，無法精確地獲得梯度方向與梯度值，因此復(fù)原后圖像信息丟失嚴重，尤其在圖像角落或