基于圖像先驗(yàn)?zāi)Ｐ驼齽t化圖像復(fù)原方法的研究

《基于圖像先驗(yàn)?zāi)Ｐ驼齽t化圖像復(fù)原方法的研究》由會(huì)員上傳分享，免費(fèi)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(biāo)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(jī)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(duì)本學(xué)位論文做出的貢獻(xiàn)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(jī)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(duì)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(yàn)?zāi)Ｐ偷恼齽t化圖像復(fù)原方法研究摘要隨著信息時(shí)代的發(fā)展，科學(xué)研究與實(shí)際應(yīng)用對(duì)信號(hào)以及圖像質(zhì)量的要求與日俱增。先進(jìn)的數(shù)字信號(hào)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(hào)與圖像處理

3、技術(shù)也能夠?yàn)楹罄m(xù)的應(yīng)用工作做好充分的準(zhǔn)備。在數(shù)字信號(hào)與圖像處理中，正則化方法是一項(xiàng)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(shí)，其能夠與各種數(shù)字信號(hào)與圖像的先驗(yàn)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(shí)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(yàn)?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(yàn)?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(duì)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(shí)傳統(tǒng)圖像復(fù)原方法存在難以保持紋理細(xì)節(jié)信息、引入人為退化因素等缺陷。針對(duì)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(shí)消除不規(guī)則采樣、并去除模糊、噪聲等退化因素。同時(shí)，利用變量分裂方法對(duì)所提出的模型進(jìn)行快速求解。實(shí)驗(yàn)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(xì)節(jié)信息。2)針對(duì)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(shí)，運(yùn)用交替最小化的方法將復(fù)雜的復(fù)原問題分割為兩個(gè)容易求解的子問題，能夠使用更少的迭代次數(shù)達(dá)到收斂，以達(dá)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(jì)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(xì)節(jié)信息保持能力。通過實(shí)驗(yàn)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(shí)，由于模型的不連續(xù)性在圖像片邊緣處可能會(huì)有拼接痕跡，并且在退化較為嚴(yán)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(duì)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(duì)于圖像連續(xù)性和完整性的約束。同時(shí)，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(jìn)行繁瑣

7、的求解。最后將提出的正則化模型分解為三個(gè)投影子問題進(jìn)行求解，每個(gè)子問題均方便求解，能夠提高求解效率。實(shí)驗(yàn)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(xì)節(jié)信息，對(duì)于不同退化程度的圖像上均有較好的復(fù)原效果。4)針對(duì)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(jìn)方法，并指出這些方法的共同缺陷：嚴(yán)重依賴于各像素梯度方向與梯度值的計(jì)算，然而卻由于計(jì)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(yán)重，尤其在圖像角落或