圖像是人類日常生活中接收和傳遞信息不可或缺的重要載體之一。具體成像時,由于多種因素的影響可能會造成圖像質量下降,生成模糊圖像。本文研究的圖像去模糊技術的任務就是從模糊圖像中恢復清晰圖像。目前,該技術廣泛應用于軍事、安全監(jiān)控、交通、天文等領域。本文以文本類模糊圖像作為研究對象,在最大后驗概率估計和神經網絡的理論框架下,提出了全新的文本類圖像盲去模糊算法。主要工作和成果如下:1、針對實驗發(fā)現的文本類圖像特殊先驗,本文在邊緣感知理論指導下,結合圖像梯度L0范數稀疏模型和相對總變分(RTV,Relative Total Variation)模型,提出新的圖像盲去模糊算法—L0-RTV。該模型在L0范數提取顯著性圖像邊緣的同時,利用RTV項對紋理和邊緣的精確區(qū)分防止弱邊緣的丟失,從而提高模糊核估計的精度,使得去模糊圖像更加真實、自然。為了評價本文的算法性能,將本文提出的L0-RTV模型與當前最具有代表性的幾類盲去模糊算法分別在合成和真實的文本類圖像實驗集上進行比較。實驗結果表明,本文所提模型能夠估計出精確的模糊核,恢復的文本圖像自然,且該算法魯棒性好。2、本文在嘗試利用現有深度學習網絡模型處理模...

【文章頁數】：68 頁

【學位級別】：碩士

本文編號：3881731