圖像是傳遞信息的重要載體,其質(zhì)量直接影響信息傳遞的準(zhǔn)確度。隨著手機(jī)、相機(jī)等設(shè)備的普及,因抖動(dòng)造成圖像全局運(yùn)動(dòng)模糊的情況越發(fā)頻繁,給人們的生活、學(xué)習(xí)和工作都帶來(lái)了極大的不便。如何從全局運(yùn)動(dòng)模糊圖像中恢復(fù)出高質(zhì)量的清晰圖像是數(shù)字圖像處理領(lǐng)域的一個(gè)熱門研究課題,具有極其重要的意義和廣泛的應(yīng)用價(jià)值。在圖像模糊核未知的情況下,利用盲去運(yùn)動(dòng)模糊技術(shù)獲取高質(zhì)量清晰圖像是一個(gè)嚴(yán)重的不適定問(wèn)題。為解決該問(wèn)題,本文深入研究現(xiàn)有算法并進(jìn)行分析,主要針對(duì)準(zhǔn)確估計(jì)模糊核、抑制圖像恢復(fù)過(guò)程中的振鈴效應(yīng)以及加快模糊圖像恢復(fù)時(shí)間等問(wèn)題進(jìn)行算法優(yōu)化和改進(jìn)。本文主要研究?jī)?nèi)容如下:一、由于傳統(tǒng)算法易受噪聲干擾,影響先驗(yàn)信息的獲取及模糊核的估計(jì),為確保能夠獲得紋理細(xì)節(jié)更為豐富的先驗(yàn),需要對(duì)全局運(yùn)動(dòng)模糊圖像進(jìn)行預(yù)處理。首先,本文提出一種聯(lián)合中值濾波和雙邊濾波相結(jié)合的雙濾波方法,盡可能地消除圖像中的高低頻噪聲。然后,根據(jù)模糊圖像和清晰圖像之間的梯度分布差異,使用方向性較強(qiáng)的Canny算子求取模糊圖像的梯度信息,增強(qiáng)邊緣特征,獲得更有利的圖像強(qiáng)邊緣先驗(yàn)。二、為了獲得更加準(zhǔn)確的模糊核,恢復(fù)出高質(zhì)量清晰圖像,本文提出了一種基于最大后驗(yàn)...

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 課題研究目的與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 非盲去運(yùn)動(dòng)模糊算法
        1.2.2 盲去運(yùn)動(dòng)模糊算法
        1.2.3 基于深度學(xué)習(xí)的去模糊算法
    1.3 論文技術(shù)難點(diǎn)和主要研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 圖像去運(yùn)動(dòng)模糊理論基礎(chǔ)
    2.1 運(yùn)動(dòng)模糊的成因及其退化模型
        2.1.1 運(yùn)動(dòng)模糊形成原因
        2.1.2 模糊圖像退化模型
    2.2 最大后驗(yàn)概率法在去模糊中的應(yīng)用
        2.2.1 最大后驗(yàn)概率方法
        2.2.2 似然性
        2.2.3 圖像先驗(yàn)約束
        2.2.4 運(yùn)動(dòng)模糊核先驗(yàn)約束
    2.3 深度學(xué)習(xí)相關(guān)理論基礎(chǔ)
        2.3.1 深度學(xué)習(xí)的概念與發(fā)展
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.3 殘差網(wǎng)絡(luò)
        2.3.4 生成式對(duì)抗網(wǎng)絡(luò)
    2.4 振鈴效應(yīng)
    2.5 本章小結(jié)
第三章 基于MAP的多尺度盲去運(yùn)動(dòng)模糊算法
    3.1 引言
    3.2 基于MAP的多尺度盲去模糊
        3.2.1 算法簡(jiǎn)介
        3.2.2 雙濾波去噪獲取強(qiáng)邊緣先驗(yàn)
        3.2.3 多尺度迭代估計(jì)運(yùn)動(dòng)模糊核
        3.2.4 基于改進(jìn)的RL算法恢復(fù)模糊圖像
    3.3 實(shí)驗(yàn)結(jié)果與對(duì)比分析
        3.3.1 圖像去模糊質(zhì)量評(píng)價(jià)準(zhǔn)則
        3.3.2 實(shí)驗(yàn)數(shù)據(jù)集
        3.3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 基于改進(jìn)生成式對(duì)抗網(wǎng)絡(luò)的盲去運(yùn)動(dòng)模糊算法
    4.1 引言
    4.2 Motion Deblur GAN模型
        4.2.1 MD-GAN網(wǎng)絡(luò)模型及優(yōu)化
        4.2.2 MD-GAN網(wǎng)絡(luò)損失函數(shù)
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.3.2 模型參數(shù)設(shè)置
        4.3.3 實(shí)驗(yàn)結(jié)果及對(duì)比分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3826968