在當(dāng)今信息化社會(huì),圖像不僅是人們生活中必不可缺少的媒介,而且在各行各業(yè)(如醫(yī)療診斷、航天所等)都有著廣泛的應(yīng)用。但是圖像質(zhì)量會(huì)因?yàn)楦鞣N各樣的原因而產(chǎn)生降質(zhì),從而極大地影響其使用價(jià)值。所以,圖像復(fù)原技術(shù)是一直存在的研究問題。從數(shù)學(xué)角度看,圖像復(fù)原問題其實(shí)是一個(gè)病態(tài)的反問題。如今表現(xiàn)較好的圖像復(fù)原方法有很多,本文主要研究兩大類方法:一類是對(duì)圖像先驗(yàn)信息建立復(fù)雜的模型并進(jìn)行求解,另一類是利用判別式學(xué)習(xí)方法學(xué)習(xí)圖像先驗(yàn)信息,這兩類方法都各有利弊。基于模型優(yōu)化的方法涉及大量迭代且運(yùn)算復(fù)雜,單次圖像復(fù)原任務(wù)耗時(shí)長,但是它可以被靈活地運(yùn)用于不同的圖像復(fù)原任務(wù);而判別式學(xué)習(xí)方法,特別是基于深度學(xué)習(xí)進(jìn)行端對(duì)端的深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的方法,這類方法重構(gòu)效果優(yōu)越且耗時(shí)非常短,但一般也只能被應(yīng)用于求解特定任務(wù)。因此,融合這兩類方法各自的優(yōu)點(diǎn),提出一種新的圖像復(fù)原方法有著一定的研究意義。本文利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)建立圖像復(fù)原問題的模型,將圖像降質(zhì)過程與圖像的先驗(yàn)信息分離。一方面,涉及圖像先驗(yàn)信息的部分實(shí)質(zhì)上是一個(gè)圖像去噪...

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的來源及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)外圖像去噪的研究現(xiàn)狀
        1.2.2 國內(nèi)外圖像去模糊的研究現(xiàn)狀
        1.2.3 國內(nèi)外圖像超分辨重構(gòu)的研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容和結(jié)構(gòu)
第2章 圖像復(fù)原的基本方法與評(píng)價(jià)標(biāo)準(zhǔn)
    2.1 引言
    2.2 圖像退化模型
    2.3 經(jīng)典的圖像復(fù)原算法
        2.3.1 基于正則化項(xiàng)模型的圖像復(fù)原方法
        2.3.2 基于深度學(xué)習(xí)的圖像復(fù)原方法
    2.4 圖像復(fù)原的質(zhì)量評(píng)價(jià)方法
        2.4.1 主觀評(píng)價(jià)
        2.4.2 客觀評(píng)價(jià)
    2.5 本章小結(jié)
第3章 圖像去噪的神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)與實(shí)驗(yàn)測(cè)試
    3.1 引言
    3.2 卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)
        3.2.1 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)
        3.2.2 卷積層和批量歸一化層
        3.2.3 池化層
        3.2.4 全連接層
    3.3 全局去噪神經(jīng)網(wǎng)絡(luò)的模型設(shè)計(jì)
        3.3.1 全局去噪神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        3.3.2 全局去噪神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法
        3.3.3 全局去噪神經(jīng)網(wǎng)絡(luò)的訓(xùn)練設(shè)置
    3.4 全局去噪神經(jīng)網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果
        3.4.1 灰色圖像去噪
        3.4.2 彩色圖像去噪
        3.4.3 真實(shí)圖像去噪
    3.5 本章小結(jié)
第4章 基于ADMM算法的圖像去模糊和單幅圖像的超分辨重構(gòu)
    4.1 引言
    4.2 ADMM算法
    4.3 圖像去模糊
        4.3.1 基于ADMM的圖像去模糊理論及算法
        4.3.2 圖像去模糊的參數(shù)設(shè)置
        4.3.3 圖像去模糊的實(shí)驗(yàn)結(jié)果
    4.4 單幅圖像的超分辨重構(gòu)
        4.4.1 基于ADMM的圖像超分辨重構(gòu)理論及算法
        4.4.2 圖像超分辨重構(gòu)的實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：3745086