隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,圖像作為承載社會(huì)信息的主要載體,數(shù)字圖像的產(chǎn)生呈指數(shù)上升。然而,在采集、傳輸以及存儲(chǔ)圖像的過程中,常常受到設(shè)備以及環(huán)境的影響,導(dǎo)致圖像存在大量的噪聲及模糊等,這些現(xiàn)象對(duì)圖像后續(xù)的研究工作帶來了很大的影響。因此,圖像恢復(fù)技術(shù)引起了大量學(xué)者的關(guān)注。圖像恢復(fù)技術(shù)從數(shù)學(xué)角度看,是一個(gè)不適定的逆問題,它的基本思想是從降質(zhì)的圖像中恢復(fù)出原始圖像。21世紀(jì)以來,數(shù)字信息大幅度增加,海量數(shù)據(jù)中存在的有效信息較少。針對(duì)這一現(xiàn)象,稀疏表示理論引起了廣大學(xué)者的關(guān)注,基于稀疏表示的圖像恢復(fù)技術(shù)得到了廣泛的應(yīng)用。本文以稀疏表示理論為基礎(chǔ),引入稀疏誤差約束,從灰度圖像去噪、彩色圖像去噪和去模糊三個(gè)方面研究了基于稀疏表示的圖像恢復(fù)算法。本文的主要工作包括:（1）在圖像去噪過程中由于噪聲的影響,無法學(xué)習(xí)到準(zhǔn)確的先驗(yàn)知識(shí),因此難以獲取較優(yōu)的稀疏系數(shù)。針對(duì)該問題,本文提出一種基于非凸加權(quán)l(xiāng)_p范數(shù)稀疏誤差約束模型（WPNSEC）及相應(yīng)的灰度圖像去噪算法,并通過仿真實(shí)驗(yàn)分析了l_p范數(shù)中冪p的最優(yōu)設(shè)置。該算法將稀疏系數(shù)的求解過程分解為兩個(gè)子問題,首先采用廣義... 

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 圖像恢復(fù)的國內(nèi)外研究現(xiàn)狀
    1.3 稀疏表示的國內(nèi)外研究現(xiàn)狀
    1.4 論文研究內(nèi)容與結(jié)構(gòu)安排
        1.4.1 主要研究內(nèi)容
        1.4.2 結(jié)構(gòu)安排
第二章 圖像恢復(fù)和稀疏表示的基礎(chǔ)知識(shí)與方法
    2.1 圖像恢復(fù)問題的基礎(chǔ)知識(shí)與方法
        2.1.1 圖像恢復(fù)問題的基礎(chǔ)知識(shí)
        2.1.2 圖像恢復(fù)方法
    2.2 稀疏表示的基礎(chǔ)知識(shí)與方法
        2.2.1 稀疏表示的基礎(chǔ)知識(shí)
        2.2.2 秩最小化
        2.2.3 非凸加權(quán)l(xiāng)p核范數(shù)先驗(yàn)?zāi)Ｐ?br>    2.3 圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)
    2.4 本章小結(jié)
第三章 基于非凸加權(quán)l(xiāng)p范數(shù)稀疏誤差約束的灰度圖像去噪方法
    3.1 引言
    3.2 基于非凸加權(quán)l(xiāng)p范數(shù)稀疏誤差約束的灰度圖像去噪
        3.2.1 基于圖像相似組的稀疏表示
        3.2.2 廣義軟閾值算法
        3.2.3 非凸加權(quán)l(xiāng)p范數(shù)最小化
        3.2.4 基于非凸加權(quán)l(xiāng)p范數(shù)稀疏誤差約束的灰度圖像去噪算法
    3.3 實(shí)驗(yàn)分析
        3.3.1 數(shù)據(jù)集及參數(shù)設(shè)置
        3.3.2 冪p的設(shè)置
        3.3.3 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
第四章 基于ADMM的多通道加權(quán)l(xiāng)p范數(shù)稀疏誤差約束彩色圖像恢復(fù)方法
    4.1 引言
    4.2 基于ADMM的多通道加權(quán)l(xiāng)p范數(shù)稀疏誤差約束彩色圖像恢復(fù)算法
        4.2.1 多通道相似塊組
        4.2.2 多通道非凸加權(quán)l(xiāng)p范數(shù)稀疏誤差約束模型
        4.2.3 基于ADMM的多通道加權(quán)l(xiāng)p范數(shù)稀疏誤差約束彩色圖像恢復(fù)算法
    4.3 彩色圖像去噪實(shí)驗(yàn)分析
        4.3.1 數(shù)據(jù)集及參數(shù)設(shè)置
        4.3.2 實(shí)驗(yàn)結(jié)果與分析
    4.4 彩色圖像去模糊實(shí)驗(yàn)分析
        4.4.1 數(shù)據(jù)集及參數(shù)設(shè)置
        4.4.2 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 今后研究構(gòu)想
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于非凸加權(quán)Lp范數(shù)稀疏誤差約束的圖像去噪算法[J]. 徐久成,王楠,王煜堯,徐戰(zhàn)威.  智能系統(tǒng)學(xué)報(bào). 2019(03)
[2]結(jié)合稀疏表示與神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像融合[J]. 陳軼鳴,夏景明,陳軼才,周剛.  河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[3]基于圖像塊分類稀疏表示的超分辨率重構(gòu)算法[J]. 練秋生,張偉.  電子學(xué)報(bào). 2012(05)

博士論文
[1]基于稀疏表示與低秩模型的圖像復(fù)原算法研究[D]. 查志遠(yuǎn).南京大學(xué) 2018
[2]基于稀疏與低秩模型的光學(xué)遙感圖像盲復(fù)原方法研究[D]. 王忠美.電子科技大學(xué) 2017
[3]圖像稀疏表示理論及其應(yīng)用研究[D]. 鄧承志.華中科技大學(xué) 2008

碩士論文
[1]基于非局部正則化方法的圖像恢復(fù)算法研究[D]. 劉鑫.西安電子科技大學(xué) 2018



本文編號(hào)：3649655