資源描述:
《基于多方向加權(quán)TV和自適應(yīng)加權(quán)TGV的圖像去模糊》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、基于多方向加權(quán)TV和自適應(yīng)加權(quán)TGV的圖像去模糊ImageDeblurringBasedonMulti-DirectionWeightedTVandAdaptiveWeightedTGV學(xué)科專業(yè):信息與通信工程研究生:張?jiān)街笇?dǎo)教師:楊愛萍副教授天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院二零一七年十二月摘要圖像去模糊模型和算法一直是圖像處理和計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)和難點(diǎn),其中研究最多、應(yīng)用最廣的是全變差正則化模型和相關(guān)算法。本文針對(duì)傳統(tǒng)全變差正則化去模糊模型其細(xì)節(jié)恢復(fù)能力有限、對(duì)噪聲敏感、僅利用圖像的一階
2、梯度特征等問題進(jìn)行研究,提出了多方向加權(quán)TV和自適應(yīng)加權(quán)TGV的圖像去模糊模型,并給出新模型的最優(yōu)化數(shù)值求解算法。具體工作如下:針對(duì)全變差(TV)正則化其細(xì)節(jié)恢復(fù)能力有限且對(duì)噪聲敏感等問題,本文利用多方向邊緣檢測(cè),對(duì)傳統(tǒng)TV模型進(jìn)行改進(jìn),得到基于邊緣檢測(cè)的多方向加權(quán)TV模型;進(jìn)一步,為了使復(fù)原模型更具普適性并改善其細(xì)節(jié)恢復(fù)能力,本文將暗通道先驗(yàn)融入上述模型,提出基于暗通道先驗(yàn)和多方向加權(quán)TV的圖像盲去模糊方法。在模糊核估計(jì)過程中,根據(jù)圖像結(jié)構(gòu)自適應(yīng)提取圖像強(qiáng)邊緣來估計(jì)模糊核,可有效剔除偽邊緣、噪
3、聲等不利信息,使模糊核估計(jì)更具魯棒性;最后,提出了基于暗通道先驗(yàn)和多方向加權(quán)TV(DCP-MDWTV)的圖像盲去模糊算法以及基于ADM算法的最優(yōu)化迭代求解算法。實(shí)驗(yàn)結(jié)果表明,本文方法可準(zhǔn)確估計(jì)模糊核,復(fù)原圖像含有更豐富的邊緣、紋理等細(xì)節(jié)特征。針對(duì)傳統(tǒng)全變差(TV)正則化僅考慮圖像的一階梯度特征,對(duì)噪聲敏感、平坦區(qū)域階梯效應(yīng)明顯等問題,本文將廣義全變差(TotalGeneralizedVariation)應(yīng)用于圖像去模糊領(lǐng)域,提出基于自適應(yīng)加權(quán)TGV的圖像去模糊模型,該模型能夠根據(jù)圖像局部結(jié)構(gòu)自適
4、應(yīng)調(diào)整權(quán)值,在去模糊的同時(shí)有效保持圖像邊緣并抑制噪聲。另外,本文提出利用原始-對(duì)偶算法對(duì)去模糊模型進(jìn)行數(shù)值求解。實(shí)驗(yàn)結(jié)果表明,本文提出的自適應(yīng)加權(quán)TGV去模糊方法可獲得高質(zhì)量復(fù)原圖像,提出的數(shù)值算法時(shí)間復(fù)雜度低。關(guān)鍵詞:圖像復(fù)原,全變差,暗通道先驗(yàn),廣義全變差I(lǐng)ABSTRACTImagedeblurringalgorithmshavebeenthefocusanddifficultyinthefieldofimageprocessingandcomputervision,themoststudi
5、edandwidelyusedisthetotalvariationregularizationmodelandrelatedalgorithms.Inthispaper,thetraditionaltotalvariationregularizationdeblurringmodelisstudied,whichhastheadvantagesoflimiteddetailrestorationability,sensitivetonoise,andonlyusingthestaircasef
6、eatureofimage,animagedeblurringmodelbasedonmultidirectionweightedTVandadaptiveweightedTGVisproposed,andtheoptimalnumericalalgorithmforthenewmodelisalsogiven.Thedetailsareasfollows:Inthefieldofimageblinddeblurring,inordertoovercomethelimitationsoftrad
7、itionalTVregularizationinimagerestorationwiththedeficientabilityofdetailrecoveryandsensitivitytothenoise,anovelmulti-directionweightedTV(MDWTV)modelisproposedbasedonmulti-directionedgedetection.Moreover,combingwiththedarkchannelpriorandMDWTVthispaper
8、presentablindimagedeblurringmethodwithmorecapacityofdetailrecoveryandmoreapplicabilityinvariousscenarios.Atthesametime,akernelestimationmethodisaddressedbasedonadaptivestrongedgeextractionwhichcanremovefakeedgesandnoiseaswellasincreasetherobustnessof