圖像分解是圖像處理領(lǐng)域中的一個(gè)重要研究熱點(diǎn).圖像一般可以分解為卡通和紋理兩個(gè)部分,從卡通部分的顯著性邊緣信息中獲取圖像模糊因子,從紋理部分中獲取圖像的噪聲強(qiáng)度因子,進(jìn)而能夠?qū)D像的顯著性邊緣結(jié)構(gòu)信息與包含噪聲的細(xì)節(jié)紋理信息區(qū)分開來.卡通部分是指圖像的幾何部分,包括均勻區(qū)域、輪廓和尖銳的邊緣.相比之下,紋理部分是關(guān)于圖像的震蕩模式,如精細(xì)的結(jié)構(gòu)和局部重復(fù)特征.圖像分解的目的是依據(jù)圖像中卡通與紋理具有不同的先驗(yàn)信息,從而對(duì)圖像進(jìn)行預(yù)處理并從圖像中提取出感興趣的信息,進(jìn)而用于后續(xù)的計(jì)算機(jī)圖像分析.本文的主要內(nèi)容如下:·為了提高圖像分解的質(zhì)量,在所提模型中描述圖像的局部結(jié)構(gòu)是非常重要的.這一事實(shí)促使我們對(duì)Meyer所提的分解模型進(jìn)行分析和研究,通過將加權(quán)矩陣和旋轉(zhuǎn)矩陣耦合到全變分(total variation–TV)范數(shù)中,提出一種基于自適應(yīng)方向全變分和G范數(shù)正則化的卡通與紋理分解模型.在所提模型中,利用加權(quán)矩陣可以增強(qiáng)圖像邊緣沿切線方向的擴(kuò)散,同時(shí)利用旋轉(zhuǎn)矩陣可以使差分算子有效地與法線方向和切線方向的坐標(biāo)系相耦合.通過這些算子,我們提出的模型不僅具有局部自適應(yīng)的優(yōu)點(diǎn),而且對(duì)圖像結(jié)構(gòu)的描述更...

【文章頁數(shù)】：53 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    §1.1 研究背景和意義
    §1.2 國(guó)內(nèi)外研究現(xiàn)狀與趨勢(shì)
    §1.3 論文的主要內(nèi)容和結(jié)構(gòu)安排
第二章 預(yù)備知識(shí)及理論介紹
    §2.1 基本概念
    §2.2 數(shù)值方法
    §2.3 相關(guān)的圖像分解模型
第三章 基于自適應(yīng)方向全變分和G范數(shù)正則化分解模型
    §3.1 模型導(dǎo)入
    §3.2 模型求解與收斂性分析
    §3.3 數(shù)值實(shí)驗(yàn)與結(jié)果分析
第四章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間撰寫的學(xué)術(shù)論文
攻讀碩士學(xué)位期間科研項(xiàng)目及獲獎(jiǎng)情況



本文編號(hào)：3805198