發(fā)布時間：2022-04-28 22:24

　　隨著互聯(lián)網(wǎng)技術的快速發(fā)展,圖像作為承載社會信息的主要載體,數(shù)字圖像的產(chǎn)生呈指數(shù)上升。然而,在采集、傳輸以及存儲圖像的過程中,常常受到設備以及環(huán)境的影響,導致圖像存在大量的噪聲及模糊等,這些現(xiàn)象對圖像后續(xù)的研究工作帶來了很大的影響。因此,圖像恢復技術引起了大量學者的關注。圖像恢復技術從數(shù)學角度看,是一個不適定的逆問題,它的基本思想是從降質的圖像中恢復出原始圖像。21世紀以來,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。針對這一現(xiàn)象,稀疏表示理論引起了廣大學者的關注,基于稀疏表示的圖像恢復技術得到了廣泛的應用。本文以稀疏表示理論為基礎,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方面研究了基于稀疏表示的圖像恢復算法。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,無法學習到準確的先驗知識,因此難以獲取較優(yōu)的稀疏系數(shù)。針對該問題,本文提出一種基于非凸加權l(xiāng)_p范數(shù)稀疏誤差約束模型（WPNSEC）及相應的灰度圖像去噪算法,并通過仿真實驗分析了l_p范數(shù)中冪p的最優(yōu)設置。該算法將稀疏系數(shù)的求解過程分解為兩個子問題,首先采用廣義... 

【文章頁數(shù)】：65 頁

【學位級別】：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 圖像恢復的國內外研究現(xiàn)狀
    1.3 稀疏表示的國內外研究現(xiàn)狀
    1.4 論文研究內容與結構安排
        1.4.1 主要研究內容
        1.4.2 結構安排
第二章 圖像恢復和稀疏表示的基礎知識與方法
    2.1 圖像恢復問題的基礎知識與方法
        2.1.1 圖像恢復問題的基礎知識
        2.1.2 圖像恢復方法
    2.2 稀疏表示的基礎知識與方法
        2.2.1 稀疏表示的基礎知識
        2.2.2 秩最小化
        2.2.3 非凸加權l(xiāng)p核范數(shù)先驗模型
    2.3 圖像質量評價標準
    2.4 本章小結
第三章 基于非凸加權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l(xiāng)p范數(shù)最小化
        3.2.4 基于非凸加權l(xiāng)p范數(shù)稀疏誤差約束的灰度圖像去噪算法
    3.3 實驗分析
        3.3.1 數(shù)據(jù)集及參數(shù)設置
        3.3.2 冪p的設置
        3.3.3 實驗結果及分析
    3.4 本章小結
第四章 基于ADMM的多通道加權l(xiāng)p范數(shù)稀疏誤差約束彩色圖像恢復方法
    4.1 引言
    4.2 基于ADMM的多通道加權l(xiāng)p范數(shù)稀疏誤差約束彩色圖像恢復算法
        4.2.1 多通道相似塊組
        4.2.2 多通道非凸加權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l(xiāng)p范數(shù)稀疏誤差約束彩色圖像恢復算法
    4.3 彩色圖像去噪實驗分析
        4.3.1 數(shù)據(jù)集及參數(shù)設置
        4.3.2 實驗結果與分析
    4.4 彩色圖像去模糊實驗分析
        4.4.1 數(shù)據(jù)集及參數(shù)設置
        4.4.2 實驗結果及分析
    4.5 本章小結
第五章 總結與展望
    5.1 工作總結
    5.2 今后研究構想
參考文獻
致謝
攻讀學位期間的科研成果


【參考文獻】：
期刊論文
[1]基于非凸加權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)學報. 2019(03)
[2]結合稀疏表示與神經(jīng)網(wǎng)絡的醫(yī)學圖像融合[J]. 陳軼鳴,夏景明,陳軼才,周剛.  河南科技大學學報(自然科學版). 2018(02)
[3]基于圖像塊分類稀疏表示的超分辨率重構算法[J]. 練秋生,張偉.  電子學報. 2012(05)

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

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



本文編號：3649655