本文關(guān)鍵詞： 變分模型 圖像復(fù)原 泊松-高斯噪聲模型 相機(jī)響應(yīng)函數(shù) 最速下降法　出處：《計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)》2017年03期 　論文類(lèi)型：期刊論文

【摘要】：為了改善已恢復(fù)圖像的圖像質(zhì)量,提出一種基于變分模型的圖像復(fù)原算法.首先通過(guò)多曝光圖像成像算法重建出對(duì)于光照具有線性響應(yīng)的亮度圖像,并采用泊松-高斯噪聲模型對(duì)圖像退化過(guò)程進(jìn)行建模;然后通過(guò)分析亮度圖像的同態(tài)子塊,將泊松-高斯噪聲模型的未知參數(shù)估計(jì)問(wèn)題轉(zhuǎn)化為求解一個(gè)線性方程組;再根據(jù)貝葉斯公式和最大后驗(yàn)概率準(zhǔn)則推導(dǎo)出一個(gè)具有嚴(yán)格凸函數(shù)性質(zhì)的變分模型,其最優(yōu)解即為對(duì)于無(wú)噪圖像的最優(yōu)估計(jì);最后利用最小二乘法以及最速下降法分別對(duì)噪聲的參數(shù)以及無(wú)噪圖像進(jìn)行估計(jì).實(shí)驗(yàn)結(jié)果表明,本文算法能夠在抑制噪聲的同時(shí)保證圖像的細(xì)節(jié)與圖像質(zhì)量.
[Abstract]:In order to improve the recovery of image quality, proposed an image restoration algorithm based on variation model. Firstly, multi exposure image reconstruction algorithm for illumination brightness image has a linear response, and the Poisson Gauss noise model of the image degradation model; and then through the analysis of homomorphic image brightness sub block. The unknown parameters of the model are the Poisson Gauss noise estimation problem is transformed into solving a set of linear equations; then according to the Bayesian formula and the maximum posterior probability criterion has a nature of strictly convex function variational model is deduced, the optimal solution is the optimal estimation of the noise free image; finally, using the least squares method and steepest drop method on the noise parameters and the noise free image estimation. Experimental results show that this algorithm can guarantee the details of image and reduce the noise at the same time It's like quality.

【作者單位】： 哈爾濱理工大學(xué)測(cè)控技術(shù)與儀器黑龍江省高校重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(60875025)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王宏,顧學(xué)道;修正的差分調(diào)相信號(hào)及其在白高斯噪聲干擾下誤碼率的計(jì)算[J];通信學(xué)報(bào);1990年02期

2 柳虔林;高斯噪聲信號(hào)的計(jì)算機(jī)軟件獲取[J];微型電腦應(yīng)用;1998年04期

3 李修路;;用普通電壓表測(cè)量噪聲時(shí)的讀數(shù)修正[J];無(wú)線電工程;1984年01期

4 劉渝;在有色高斯噪聲中離散時(shí)間檢測(cè)和估計(jì)的性能分析[J];電子科學(xué)學(xué)刊;1987年02期

5 ;一個(gè)產(chǎn)生多路獨(dú)立高斯噪聲的單片微機(jī)系統(tǒng)[J];移動(dòng)通信;1995年05期

6 張文龍;黃振華;;低漂移有色高斯噪聲的產(chǎn)生[J];上海師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

7 湯偉;黃永燦;高國(guó)偉;;基于加性高斯噪聲的圖像濾波器的設(shè)計(jì)與分析[J];黑龍江科技信息;2009年29期

8 楊博;張軍英;;基于高斯噪聲模型的馬爾可夫網(wǎng)絡(luò)構(gòu)建算法[J];系統(tǒng)工程與電子技術(shù);2012年05期

9 王衛(wèi)江;;實(shí)時(shí)高斯噪聲產(chǎn)生方法[J];儀器儀表學(xué)報(bào);2006年11期

10 高超;須文波;孫俊;;新的強(qiáng)高斯噪聲自適應(yīng)濾波方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年28期

相關(guān)會(huì)議論文 前3條

1 戴文戰(zhàn);王清輝;楊?lèi)?ài)萍;;基于高斯噪聲背景下的混合濾波改進(jìn)算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)C卷[C];2011年

2 吳丹;朱士群;;非高斯噪聲對(duì)非線性系統(tǒng)的影響[A];第十二屆全國(guó)量子光學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2006年

3 陳功;蔡志明;姚東明;;窄帶混合高斯噪聲下的最佳檢測(cè)[A];2004年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

相關(guān)碩士學(xué)位論文 前7條

1 樊勇;基于高斯噪聲的圖像去噪算法研究[D];西南石油大學(xué);2014年

2 胡芳芳;圖像的插值與去高斯噪聲算法研究[D];哈爾濱工業(yè)大學(xué);2007年

3 張鵬;分?jǐn)?shù)階高斯噪聲隨機(jī)數(shù)據(jù)仿真系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];華東師范大學(xué);2007年

4 楊會(huì)會(huì);高斯噪聲誘導(dǎo)下非線性系統(tǒng)的概率密度演化[D];陜西師范大學(xué);2014年

5 王曉凱;圖像椒鹽噪聲及高斯噪聲去噪方法研究[D];復(fù)旦大學(xué);2010年

6 吳先元;多約束的進(jìn)化圖像濾波器設(shè)計(jì)[D];西安電子科技大學(xué);2012年

7 周陳鋒;基于Simulink的UHF RFID系統(tǒng)的數(shù)據(jù)傳輸分析與仿真[D];湖南大學(xué);2009年

，

本文編號(hào)：1496047