數(shù)字圖像去噪的模型研究

數(shù)字圖像去噪的模型研究

ID:32230114

大小:1.65 MB

頁數(shù):51頁

時(shí)間:2019-02-01

數(shù)字圖像去噪的模型研究_第1頁
數(shù)字圖像去噪的模型研究_第2頁
數(shù)字圖像去噪的模型研究_第3頁
數(shù)字圖像去噪的模型研究_第4頁
數(shù)字圖像去噪的模型研究_第5頁
資源描述:

《數(shù)字圖像去噪的模型研究》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(kù)。

1、分類號(hào):密級(jí):論文編號(hào):學(xué)號(hào):50090701413重慶理工大學(xué)碩士學(xué)位論文數(shù)字圖像去噪的模型研究研究生:任麗莎指導(dǎo)教師:馮惠濤教授劉瑞華副教授學(xué)科專業(yè):應(yīng)用數(shù)學(xué)研究方向:微分幾何及其應(yīng)用培養(yǎng)單位:數(shù)學(xué)與統(tǒng)計(jì)學(xué)院論文完成時(shí)間:2012年4月10日論文答辯日期:2012年5月21日萬方數(shù)據(jù)CategoryNumber:LevelofSecrecy:SerialNumber:StudentNumber:50090701413Master'sDissertationofChongqingUniversityofTechnologyTheResearchofDigitalImage

2、DenosingModelPostgraduate:LishaRenSupervisor:Prof.HuitaoFengProf.RuihuaLiuSpecialty:AppliedMathematicsResearchDirection:DifferentialGeometryanditsapplicationsTrainingUnit:SchoolofMath.andStatisticsThesisDeadline:April10,2012OralDefenseDate:May21,2012萬方數(shù)據(jù)學(xué)位論文原創(chuàng)性聲明及使用授權(quán)聲明重慶理工大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲

3、明:所呈交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下,獨(dú)立進(jìn)行研究所取得的成果。除文中特別加以標(biāo)注引用的內(nèi)容外,本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果、作品。對(duì)本文的研究做出重要貢獻(xiàn)的集體和個(gè)人,均已在文中以明確方式標(biāo)明。本人承擔(dān)本聲明的法律后果。作者簽名:日期:年月日學(xué)位論文使用授權(quán)聲明本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定,同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版,允許論文被查閱和借閱。本人授權(quán)重慶理工大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索,可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于(請(qǐng)?jiān)?/p>

4、以下相應(yīng)方框內(nèi)打“√”):1.保密□,在年解密后適用本授權(quán)書。2.不保密□。作者簽名:日期:年月日導(dǎo)師簽名:日期:年月日萬方數(shù)據(jù)數(shù)字圖像處理的模型研究摘要本文主要是研究了圖像處理領(lǐng)域中的去噪問題,利用變分法,PDEs等建立圖像去噪模型?;舅枷耄豪米兎址ò讶ピ雴栴}轉(zhuǎn)化為能量泛函極小化問題,導(dǎo)出相應(yīng)的歐拉-拉格朗日方程,利用梯度下降法得到演化方程,通過數(shù)值實(shí)驗(yàn)來得到模型結(jié)果。本文的研究成果主要由以下幾個(gè)方面:1.基于特征探測(cè)函數(shù)的圖像去噪模型對(duì)圖像去噪的經(jīng)典模型—總變差模型(ROF模型)做了詳細(xì)的分析,針對(duì)ROF模型在去噪的同時(shí)會(huì)產(chǎn)生塊狀效應(yīng)這一問題,我們提出了基于特征探測(cè)

5、函數(shù)的去噪模型,通過特征探測(cè)函數(shù)對(duì)圖像中的紋理信息進(jìn)行識(shí)別判斷,來平衡正則項(xiàng)和保真項(xiàng)的作用,使得模型在去噪過程中能夠最大限度的保持圖像紋理細(xì)節(jié)信息。新模型能夠減少塊狀效應(yīng),使得恢復(fù)的圖像與原圖像更加接近。2.局部方差自適應(yīng)去噪模型通過對(duì)乘性噪聲模型RLO模型的研究分析,我們提出了局部方差自適應(yīng)模型,它能很好地避免RLO模型在去噪的時(shí)候?qū)⒓?xì)節(jié)信息當(dāng)成噪聲去除掉。我們對(duì)于RLO模型和新模型分別作了數(shù)值實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明新模型在減少塊狀效應(yīng)和保留圖像細(xì)節(jié)信息方面做了很大的改進(jìn)。3.新的迭代去噪算法1通過對(duì)加性噪聲圖像和乘性噪聲圖像的去噪問題的研究,我們結(jié)合TV-L模型和AA模型提

6、出了一個(gè)新的交替迭代去噪算法,在數(shù)值實(shí)驗(yàn)部分,我們分別對(duì)加性噪聲和乘性噪聲的彩色圖像進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證明我們這種算法的高效性和穩(wěn)定性。關(guān)鍵詞:圖像去噪;變分法;偏微分方程;特征探測(cè)函數(shù);局部方差;交替迭代算法I萬方數(shù)據(jù)TheResearchofDigitalImageDenosingModelAbstractThispapermainlyresearchedthedenoisingproblemsinthefieldofimageprocessing.Byusingthevariationalmethod,PDEbaseimagedenoisingmodel.Thebas

7、icideaofthevariationalmethod:byusingthevariationalmethod,thedenoisingproblemisconvertedtoenergyfunctionalminimizationproblem,derivedtheEuler-Lagrangeequation,usingthenegativegradientflowmethodtoobtaintheevolutionequation,thenumericalexperimentsgivetheresultsof

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。