本文選題：圖像恢復 + 模糊核��； 參考：《東南大學學報(自然科學版)》2016年06期

【摘要】：為在圖像模糊核估計中充分利用圖像的區(qū)域特征和結構信息作為先驗知識,提出一種基于馬爾科夫隨機場學習模型的模糊核估計方法.首先,由滑動的子窗口構成馬爾科夫隨機場的節(jié)點集,以每個子窗口的曲率方向能量濾波器的響應和邊緣分布組成的特征向量作為模型的輸入;然后,利用對數偽似然優(yōu)化算法估計模型參數,在模型訓練階段,采用交叉熵相似性度量模糊核的相似性以標記訓練樣本;最后,利用置信度傳播算法推測最優(yōu)圖像子塊.運用所提方法對仿真和實際模糊圖像進行實驗,結果表明,該學習模型可以精確地估計模糊核,在主觀視覺對比和客觀評價方面均具有較好的效果,同時也具有較好的自適應性.與其他3種方法相比,模糊核相似度分別提高了1.55%,5.64%和7.02%.
[Abstract]:A fuzzy kernel estimation method based on Markov random field learning model is proposed in order to make full use of the region feature and structure information of image as prior knowledge in image fuzzy kernel estimation. Firstly, the Markov random field node set is composed of sliding subwindows, and the eigenvector composed of the response and edge distribution of the energy filter in the curvature direction of each sub-window is taken as the input of the model. The logarithmic pseudo-likelihood optimization algorithm is used to estimate the model parameters. In the model training stage, cross-entropy similarity is used to measure the similarity of the fuzzy kernel to mark the training samples. Finally, the confidence propagation algorithm is used to estimate the optimal image subblocks. Experiments on simulation and actual blurred images are carried out by using the proposed method. The results show that the proposed learning model can accurately estimate the fuzzy kernel, and has good results in subjective visual contrast and objective evaluation. At the same time, it also has good adaptability. Compared with the other three methods, the similarity of fuzzy kernel is increased by 1.555.64% and 7.2% respectively.
【作者單位】： 東南大學機械工程學院;
【基金】：國家自然科學基金資助項目(51275090);國家自然科學基金科學儀器基礎研究�？钯Y助項目(21327007) 中央高�；究蒲袠I(yè)務費專項資金資助項目 江蘇省普通高校研究生科研創(chuàng)新計劃資助項目(KYLX15_0208)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 王雙成;冷翠平;劉鳳霞;;無向馬爾科夫毯分類器與集成[J];系統(tǒng)工程與電子技術;2008年07期

2 沈吉鋒;張永志;宋朝河;陳芬;;基于馬爾科夫更新過程的偵察系統(tǒng)可靠性分析[J];兵工自動化;2010年03期

3 馬世榮;;馬爾科夫性是相互獨立性的推廣[J];撫順石油學院學報;1987年02期

4 肖剛;非馬爾科夫可修表決系統(tǒng)可靠性數字仿真[J];系統(tǒng)工程與電子技術;1998年04期

5 曹建農,李德仁,關澤群;基于馬爾科夫網視頻圖像目標檢測跟蹤方法研究[J];測繪科學;2004年06期

6 金圣華;周瑋;;馬爾科夫蒙特卡洛在視網膜血管分割中的應用[J];長沙大學學報;2011年05期

7 王輝,王雙成,張劍飛;馬爾科夫網絡中的隱藏變量學習[J];小型微型計算機系統(tǒng);2005年03期

8 曹容菲;張美霞;王醒策;武仲科;周明全;田l，

本文編號：1902291