在人們獲取圖像信息的過程中存在著很多因素來影響圖像的質量,導致圖像質量下降,圖像信息遺失,影響了視覺效果的同時限制了后期圖像的分析和處理。因此,提高圖像質量以使圖像更加接近原始圖像成為了圖像處理領域炙手可熱的課題之一,圖像復原技術在圖像處理領域占據(jù)越來越重要的位置。本文一方面介紹了圖像復原技術的研究現(xiàn)狀和相關的基礎理論知識,其中著重闡述了正則化圖像復原模型的理論和研究現(xiàn)狀,另一方面著重研究如何更加準確和高效地保持圖像的邊緣細節(jié)信息及提高圖像的質量。本文將線積分卷積和非局部結構張量相結合構造新的各向異性的非局部結構張量,能夠更好地獲取圖像的局部結構信息;同時本文提出了基于局部頻譜響應的正則化參數(shù)選取方法,用定義的局部頻譜響應構造正則化參數(shù),并將其應用到總變差模型中,使得圖像細節(jié)信息更好的保留。本文的主要工作如下:（1）為了解決現(xiàn)在的非局部結構張量計算方法不能充分利用結構張量的各向異性的特性,本文提出了一種新的各向異性非局部正則化方法,使用原子分解策略,避免了使用歐氏距離來評估張量的相似性過程,同時該方法將原子分解策略與使用非局部均值濾波技術的擴展線積分卷積相結合,利用沒有重建的張量方向分... 

【文章來源】：南京信息工程大學江蘇省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

圖像退化模型示意圖

待測的原始圖像

34(c) NLST (d) LIC-ANST圖 3.6 Barbara 圖像去噪結果圖像三種不同的結構張量的去噪結果圖。圖 3.6(a)為加入的高斯噪聲噪聲。圖像從圖中可以看出 3.6(b)和 3.6(c)中都有噪聲，紋理效果出的方法去噪效果較好一點，紋理效果保持完整。

【參考文獻】：
期刊論文
[1]基于像素濾波和中值濾波的深度圖像修復方法[J]. 劉繼忠,吳文虎,程承,王光輝,曾成.  光電子·激光. 2018(05)
[2]基于維納濾波的超聲增強實現(xiàn)方法[J]. 沈希忠,葉秋澤.  數(shù)據(jù)采集與處理. 2018(03)
[3]Astronomical image restoration using variational Bayesian blind deconvolution[J]. Xiaoping Shi,Rui Guo,Yi Zhu,Zicai Wang.  Journal of Systems Engineering and Electronics. 2017(06)
[4]改進的自適應四階偏微分方程的圖像恢復算法[J]. 王軍鋒,賀亞茹.  計算機技術與發(fā)展. 2018(03)
[5]迭代自適應權重均值濾波的圖像去噪[J]. 張新明,程金鳳,康強,王霞.  計算機應用. 2017(11)
[6]全方位多結構元形態(tài)濾波器[J]. 趙春暉,王偉.  中國圖象圖形學報. 1997(07)



本文編號：3070931