本文關(guān)鍵詞：基于正則化方法的中子圖像復(fù)原算法研究

  更多相關(guān)文章： 中子圖像 復(fù)原 全變分 正則化

【摘要】：作為無(wú)損檢測(cè)技術(shù),中子成像日益受到關(guān)注。由于成像系統(tǒng)的限制,導(dǎo)致中子圖像成像質(zhì)量較差。圖像復(fù)原,就是去除或減輕目標(biāo)圖像的質(zhì)量下降,使它趨向于復(fù)原成沒(méi)有退化的理想圖像。因此圖像復(fù)原技術(shù)的研究不僅具有重要的理論意義,在實(shí)際生活應(yīng)用中也有迫切的需求。本文致力于中子圖像復(fù)原技術(shù)的研究,以提高圖像的質(zhì)量,使其更多的反映被測(cè)物體的內(nèi)部結(jié)構(gòu)。本文基于正則化方法,以解決圖像盲復(fù)原技術(shù)中的不適定問(wèn)題,分析對(duì)比了拉普拉斯(Laplacian)正則化和全變分(TV)正則化算法的優(yōu)缺點(diǎn),在全變分正則化算法的基礎(chǔ)上,采用了自適應(yīng)閾值的聯(lián)合變分正則化圖像盲復(fù)原,對(duì)中子圖像進(jìn)行復(fù)原。該復(fù)原算法引入了聯(lián)合變分正則項(xiàng),采用了更適合圖像空間的L_1范數(shù),在去除圖像噪聲的同時(shí),較好地保持了圖像邊緣與紋理信息。最后在求解過(guò)程中,引入輔助變量轉(zhuǎn)化了模型的求解,避免了變量的近似帶來(lái)的累積誤差,提高了復(fù)原的準(zhǔn)確性。通過(guò)對(duì)比實(shí)驗(yàn)結(jié)果顯示,本文算法有效改善了中子圖像的質(zhì)量。
【關(guān)鍵詞】：中子圖像 復(fù)原 全變分 正則化
【學(xué)位授予單位】：長(zhǎng)春理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-12
• 1.1 研究背景與意義8-9
• 1.2 圖像復(fù)原的研究現(xiàn)狀9-11
• 1.3 本文主要工作及各章節(jié)內(nèi)容安排11-12
• 第二章 圖像復(fù)原基礎(chǔ)理論12-22
• 2.1 中子成像原理12-13
• 2.2 中子圖像退化模型13-16
• 2.2.1 中子圖像降質(zhì)原因13
• 2.2.2 降質(zhì)圖像建模13-15
• 2.2.3 估計(jì)退化函數(shù)15-16
• 2.3 圖像復(fù)原方法分析16-19
• 2.3.1 逆濾波16-17
• 2.3.2 維納濾波17-18
• 2.3.3 Lucy-Richardson方法18-19
• 2.4 正則化的圖像復(fù)原方法19-21
• 2.4.1 圖像復(fù)原的不適定性19
• 2.4.2 正則化方法19-20
• 2.4.3 正則化應(yīng)用于圖像復(fù)原20-21
• 2.5 小結(jié)21-22
• 第三章 正則化的圖像復(fù)原算法22-34
• 3.1 復(fù)原模型22-23
• 3.2 Laplacian正則化算法23-27
• 3.2.1 Laplacian算子23-25
• 3.2.2 Laplacian正則化25-27
• 3.3 TV正則化算法27-32
• 3.3.1 圖像的函數(shù)空間27-30
• 3.3.3 全變分的概念30
• 3.3.4 全變分正則化盲復(fù)原模型30-31
• 3.3.5 模型的求解31-32
• 3.4 實(shí)驗(yàn)對(duì)比分析32-33
• 3.5 小結(jié)33-34
• 第四章 自適應(yīng)閾值的聯(lián)合變分正則化圖像盲復(fù)原34-48
• 4.1 聯(lián)合變分正則化盲復(fù)原模型34
• 4.2 自適應(yīng)閾值的聯(lián)合變分正則化圖像盲復(fù)原34-42
• 4.2.1 變分模型的求解34-37
• 4.2.2 閾值的選擇37
• 4.2.3 參數(shù)處理和算法過(guò)程37-40
• 4.2.4 實(shí)驗(yàn)結(jié)果及分析40-42
• 4.3 圖像質(zhì)量評(píng)價(jià)42-47
• 4.3.1 模糊度估計(jì)42-43
• 4.3.2 噪聲估計(jì)43-47
• 4.4 小結(jié)47-48
• 第五章 結(jié)論48-49
• 5.1 本文的主要工作總結(jié)48
• 5.2 未來(lái)工作展望48-49
• 致謝49-50
• 參考文獻(xiàn)50-52
• 作者簡(jiǎn)介及科研成果52

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李秀英;;變量分離的有理因子圖像尺度轉(zhuǎn)換的高效實(shí)現(xiàn)[J];科技信息;2011年35期

2 崔少國(guó);彭彩碧;王曉;;彈性成像中不同頻率子圖像的相關(guān)性與頻率復(fù)合[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2010年05期

3 邢桂華;于盛林;;基于子圖像偏差糾正的迭代混合算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

4 孫興華;郭麗;王正群;楊靜宇;;基于子圖像多特征組合的商標(biāo)圖像檢索[J];模式識(shí)別與人工智能;2002年01期

5 王阿琴;楊萬(wàn)扣;孫長(zhǎng)銀;;基于子圖像的尺度自適應(yīng)Mean shift目標(biāo)跟蹤[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年S1期

6 張佑生,彭青松,汪榮貴,偶春生;基于子圖像VCH的文本檢測(cè)與定位方法研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2003年03期

7 朱玉蓮;陳松燦;;特征采樣和特征融合的子圖像人臉識(shí)別方法[J];軟件學(xué)報(bào);2012年12期

8 武利生;權(quán)龍;;采用子圖像抽取尺度變換的邊緣檢測(cè)方法[J];振動(dòng).測(cè)試與診斷;2010年03期

9 黃成杰;吳志軍;李治龍;李理光;;粒子圖像速度粒度同場(chǎng)測(cè)量基礎(chǔ)與實(shí)驗(yàn)驗(yàn)證[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2010年04期

10 崔煒;;基于改進(jìn)的Canny算子圖像信息提取算法研究[J];科技通報(bào);2012年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 王麗榮;申鉉國(guó);王延杰;;基于整數(shù)小波的目標(biāo)子圖像提取方法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 吳迪;用于光片熒光顯微的快速掃描成像系統(tǒng)研究[D];中國(guó)科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2015年

2 孫艷梅;基于正則化方法的中子圖像復(fù)原算法研究[D];長(zhǎng)春理工大學(xué);2016年

3 劉s，

本文編號(hào)：713656