本文選題：稀疏表示 + 結(jié)構(gòu)自相似�。� 參考：《自動(dòng)化學(xué)報(bào)》2017年11期

【摘要】：圖像盲解卷積研究當(dāng)模糊核未知時(shí),如何從模糊圖像復(fù)原出原始清晰圖像.由于盲解卷積是一個(gè)欠定問(wèn)題,現(xiàn)有的盲解卷積算法都直接或間接地利用各種先驗(yàn)知識(shí).本文提出了一種結(jié)合稀疏表示與結(jié)構(gòu)自相似性的單幅圖像盲解卷積算法,該算法將圖像的稀疏性先驗(yàn)和結(jié)構(gòu)自相似性先驗(yàn)作為正則化約束加入到圖像盲解卷積的目標(biāo)函數(shù)中,并利用圖像不同尺度間的結(jié)構(gòu)自相似性,將觀測(cè)模糊圖像的降采樣圖像作為稀疏表示字典的訓(xùn)練樣本,保證清晰圖像在該字典下的稀疏性.最后利用交替求解的方式估計(jì)模糊核和清晰圖像.模擬和真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)表明本文算法能夠準(zhǔn)確估計(jì)模糊核,復(fù)原清晰的圖像邊緣,并具有很好的魯棒性.
[Abstract]:Image Blind deconvolution Research on how to restore the original clear image from the blurred image when the fuzzy kernel is unknown. Due to the fact that blind deconvolution is an underdetermined problem, existing blind deconvolution algorithms make use of all kinds of prior knowledge directly or indirectly. A single image blind deconvolution algorithm combining sparse representation and structural self-similarity is proposed in this paper. The sparse prior and structural self-similarity priori are added to the objective function of image blind deconvolution as regularization constraints. Using the structural self-similarity between different scales of the image, the downsampling image of the observed blurred image is used as the training sample of the sparse representation dictionary to ensure the sparsity of the clear image in the dictionary. Finally, the fuzzy kernel and the clear image are estimated by alternating solution. The experiments on simulation and real data show that the proposed algorithm can accurately estimate the fuzzy kernel, restore the clear image edge, and have good robustness.
【作者單位】： 清華大學(xué)電子工程系;北京工業(yè)大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61501008) 首都衛(wèi)生發(fā)展科研專項(xiàng)(2014-2-4025)資助~~
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張新鵬;王朔中;;基于稀疏表示的密寫(xiě)編碼[J];電子學(xué)報(bào);2007年10期

2 李映;張艷寧;許星;;基于信號(hào)稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報(bào);2009年01期

3 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動(dòng)提取方法[J];光譜學(xué)與光譜分析;2009年07期

4 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2011年03期

5 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識(shí)別[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

6 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

7 朱杰;楊萬(wàn)扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識(shí)別方法[J];模式識(shí)別與人工智能;2012年05期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2013年05期

9 李正周;王會(huì)改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測(cè)[J];彈箭與制導(dǎo)學(xué)報(bào);2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識(shí)別算法研究[J];模式識(shí)別與人工智能;2014年01期

相關(guān)會(huì)議論文 前2條

1 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

2 蔡驊;汪翰林;胡維禮;;基于自相似性的網(wǎng)絡(luò)信息流延時(shí)特性仿真[A];江蘇省自動(dòng)化學(xué)會(huì)七屆四次理事會(huì)暨2004學(xué)術(shù)年會(huì)青年學(xué)者論壇論文集[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 姚明海;視頻異常事件檢測(cè)與認(rèn)證方法研究[D];東北師范大學(xué);2015年

3 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

4 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

5 程廣濤;基于壓縮感知的人臉識(shí)別方法研究[D];天津大學(xué);2015年

6 黃丹丹;基于稀疏表示的視覺(jué)目標(biāo)跟蹤方法研究[D];大連理工大學(xué);2016年

7 趙淑歡;欠完備采樣環(huán)境下面向數(shù)據(jù)的稀疏表示人臉識(shí)別研究[D];燕山大學(xué);2016年

8 劉海倉(cāng);基于稀疏表示的圖像超分辨率與目標(biāo)跟蹤方法研究[D];湖南大學(xué);2015年

9 項(xiàng)鳳濤;基于稀疏表示與優(yōu)化的圖像信息處理方法及應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

10 劉兆棟;基于稀疏表示理論的圖像去噪與融合算法研究[D];重慶大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

3 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

4 趙孝磊;基于圖像分塊稀疏表示的人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

5 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺(jué)追蹤算法研究[D];華南理工大學(xué);2015年

6 張鈴華;非約束環(huán)境下的稀疏表示人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

7 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

8 梁曉捷;基于網(wǎng)絡(luò)攝像頭與稀疏表示分類(lèi)法的實(shí)時(shí)人臉識(shí)別系統(tǒng)應(yīng)用研究[D];五邑大學(xué);2015年

9 陳蒙;基于稀疏表示特征的人臉識(shí)別方法研究[D];深圳大學(xué);2015年

10 袁文;基于稀疏表示的行人檢測(cè)方法研究[D];南京理工大學(xué);2015年

，

本文編號(hào)：2061856