本文選題：圖像融合 + 圖像修復(fù)��； 參考：《浙江大學(xué)》2017年博士論文

【摘要】：壁畫的高精度數(shù)字化采集是實(shí)現(xiàn)壁畫永久保護(hù)的一種重要手段,而壁畫數(shù)字化修復(fù)是實(shí)現(xiàn)壁畫精彩呈現(xiàn)的主要技術(shù)方法。本文針對(duì)敦煌壁畫融合和修復(fù)過程中存在的兩大主要問題(即超大圖像融合時(shí)泊松方程收斂速度慢甚至無法收斂、融合需要的內(nèi)存過大以及修復(fù)時(shí)圖像噪音類型復(fù)雜而導(dǎo)致的降噪算法魯棒性和效果較差),主要開展了以下幾個(gè)方面的創(chuàng)新性研究工作:(1)針對(duì)超大壁畫圖像融合時(shí)的泊松方程收斂速度慢甚至無法收斂、融合需要的內(nèi)存過大的問題,提出了一種基于均勻稀疏采樣的超大壁畫圖像快速融合方法。首先在低分辨率圖像上求解泊松方程,然后利用低分辨率圖像的求解結(jié)果通過GPU并行計(jì)算高分辨率的融合結(jié)果,算法可以實(shí)現(xiàn)快速的收斂速度。與當(dāng)前可用的方法相比,本算法能夠在相對(duì)有限內(nèi)存空間快速處理超大圖像融合,同時(shí)算法也可以并行在GPU上計(jì)算。(2)針對(duì)圖像融合計(jì)算并行度較低的問題,提出了基于矩陣撕裂(Matrix Tearing)的壁畫超大圖像的快速融合算法。算法首先將圖像融合產(chǎn)生的稀疏矩陣進(jìn)行幾何降解,劃分成相互重疊的許多不同矩陣塊,每一個(gè)矩陣塊可以利用GPU并行獨(dú)立求解。這樣充分利用了 GPU的數(shù)據(jù)并行處理能力,大大提高了運(yùn)算速率,且內(nèi)存消耗低。為了進(jìn)一步從底層挖掘并行的潛力,提出了一種基于編譯的自動(dòng)并行化方法,在編譯層面借鑒SpMT處理器的設(shè)計(jì),采用優(yōu)化的投機(jī)執(zhí)行策略,基于抽象語法樹(AST)和中間表示代碼(IR)實(shí)現(xiàn),在不增加開發(fā)和維護(hù)成本的前提下,自動(dòng)發(fā)掘程序中隱含的并行度,更好地利用多核處理器的計(jì)算資源,進(jìn)一步提高了融合計(jì)算的速度。(3)針對(duì)壁畫噪音類型復(fù)雜而導(dǎo)致的修復(fù)效果差問題,提出了基于先驗(yàn)的壁畫圖像自適應(yīng)修復(fù)算法,其組合了局部全變差和非局部基于圖的變差,能夠用于壁畫的去噪、補(bǔ)全等。再結(jié)合稀疏降噪自編碼器的噪音去除方法,能魯棒地對(duì)被多種不同噪音所腐蝕的壁畫圖像進(jìn)行修復(fù)。
[Abstract]:This paper proposes a fast fusion algorithm based on matrix tearing based on matrix tearing . ( 2 ) To solve the problem of low parallelism of image fusion , this paper proposes a fast convergence algorithm based on matrix tearing .
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 尚怡君;詹保坡;;圖像處理中消除噪聲技術(shù)研究[J];科技傳播;2017年04期

相關(guān)博士學(xué)位論文 前1條

1 張晴;基于樣本的數(shù)字圖像修復(fù)技術(shù)研究[D];華東理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前1條

1 鄭博;中層線索指導(dǎo)的圖像補(bǔ)全算法研究[D];華南理工大學(xué);2015年

，

本文編號(hào)：1931369