資源描述:
《基于點擴(kuò)散函數(shù)估計的正則化圖像復(fù)原方法》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、碩士學(xué)位論文基于點擴(kuò)散函數(shù)估計的正則化圖像復(fù)原方法REGULARIZATIONIMAGERESTORATIONMETHODSBASEDONPOINTSPREADFUNCTIONESTIMATION曲榮召哈爾濱工業(yè)大學(xué)2016年6月國內(nèi)圖書分類號:TP751.1學(xué)校代碼:10213國際圖書分類號:621.3密級:公開工學(xué)碩士學(xué)位論文基于點擴(kuò)散函數(shù)估計的正則化圖像復(fù)原方法碩士研究生:曲榮召導(dǎo)師:任智斌副教授申請學(xué)位:工學(xué)碩士學(xué)科:光學(xué)工程所在單位:航天學(xué)院答辯日期:2016年6月授予學(xué)位單位:哈爾濱工業(yè)大學(xué)ClassifiedIndex:
2、TP751.1U.D.C:621.3DissertationfortheMasterDegreeinEngineeringREGULARIZATIONIMAGERESTORATIONMETHODSBASEDONPOINTSPREADFUNCTIONESTIMATIONCandidate:QuRongzhaoSupervisor:AssociateProf.RenZhibinAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:OpticalEngineeringAffiliati
3、on:SchoolofAstronauticDateofDefence:June,2016Degree-Conferring-Institution:HarbinInstituteofTechnology哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要圖像復(fù)原是數(shù)字圖像處理領(lǐng)域中最重要的研究方向之一,基于正則化約束的圖像復(fù)原方法一直是復(fù)原領(lǐng)域的研究熱點。本文根據(jù)自然圖像的先驗知識構(gòu)造正則化項,結(jié)合快速收斂的復(fù)原算法,提高圖像復(fù)原質(zhì)量。為了獲得高質(zhì)量復(fù)原圖像,需要首先估計PSF。提供高精度的PSF可以使復(fù)原過程速度更快、穩(wěn)定性更好。由于傳統(tǒng)的參數(shù)估計
4、方法對PSF的估計存在較大的局限性,本文在基于自然統(tǒng)計信息結(jié)合最大后驗概率模型下,介紹了反卷積法和Radon變換法兩種估計PSF的方法,在不需要根據(jù)觀測圖像的退化特征預(yù)先假設(shè)點擴(kuò)散函數(shù)模型的情況下,可以從觀測圖像中的特殊區(qū)域精確的估計出任意形狀的二維PSF,算法對噪聲具有較強(qiáng)的抑制作用,估計的結(jié)果也具有較高精度。其次,本文采用全變分(TV)正則化模型結(jié)合TwIST算法對圖像進(jìn)行快速復(fù)原,算法的每次迭代都涉及基于TV正則化模型的去噪過程。全變分正則化模型不僅本身具有唯一解,在圖像復(fù)原和去噪過程中還能夠保持圖像的細(xì)節(jié)成分。正則化參數(shù)的選取
5、往往決定復(fù)原的質(zhì)量,本文根據(jù)參數(shù)與噪聲方差的關(guān)系,通過匹配先驗噪聲信息,在復(fù)原過程中對參數(shù)進(jìn)行反復(fù)修正得到最優(yōu)值,進(jìn)而達(dá)到提高圖像復(fù)原質(zhì)量的目的。由于本文所闡述的所有算法都考慮到了噪聲的影響,為提高算法的性能和結(jié)果的精確性,需要對觀測圖像中的噪聲水平做初步的估計,經(jīng)過驗證,主成分分析估計噪聲方差具有很好的效果。最后,結(jié)合本文的復(fù)原方法對含有不同程度噪聲的觀測圖像進(jìn)行復(fù)原,基于客觀評價方法對復(fù)原的圖像質(zhì)量做出評價同時對復(fù)原結(jié)果進(jìn)行分析。關(guān)鍵詞:圖像復(fù)原;點擴(kuò)散函數(shù);Radon變換;正則化;主成分分析-I-哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文A
6、bstractImagerestorationisoneofthemostimportantresearchdirectionsinthedigitalimageprocessingfield.Imagerestorationbasedonregularizationconstrainthasbeenthehottopicintherestorationfield.Basedonpriorknowledgeofnaturalimages,constructregularizationtermcombinedfastconvergenc
7、ealgorithmtoimprovethequalityofimageswasresearchedinthisdissertation.Inordertoobtainahighqualityrestoredimage,itisnecessarytoestimatePSFfirst.ProvidedaprecisionPSFcanmaketherecoveryprocessfasterandmorestable.Becauseofthetraditionalestimationmethodshavehigherlimitations.
8、Inthispaper,wewillcombinestatisticsofthenaturalimagesandmaximumaposteriorimodeltointroducetwomethodstoestimate