基于小波框架的非凸極小化圖像恢復(fù)方法
發(fā)布時間:2024-02-22 11:43
圖像恢復(fù)主要是對退化的觀測圖像進(jìn)行分析、加工,使得恢復(fù)的圖像達(dá)到視覺上的要求,其中包含圖像去噪、圖像去模糊等問題。本文主要圍繞這些問題展開研究,主要從模型的建立,算法的設(shè)計,收斂理論的分析以及實驗的驗證等多方面解決相關(guān)問題,如下為本文的主要研究內(nèi)容和創(chuàng)新點:1.提出基于分裂Bregman和小波框架的快速交替極小化方法來進(jìn)行圖像去模糊和去噪,即去模糊和去噪交替進(jìn)行。我們建立了兩個模型,并給出了兩個算法。方法一,去模糊采用基于分析稀疏表示方法的l1極小化,去噪聲采用TV項作為懲罰項。方法二,我們考慮到快速迭代收縮閾值算法(FISTA)有編碼簡單以及收斂速度快等優(yōu)勢,采用l1范數(shù)代替TV項進(jìn)行去噪。所提出的兩種方法各有優(yōu)勢,其中實驗結(jié)果顯示,基于TV項的方法在某種程度上更有效,但是基于FISTA方法求解l1范數(shù)的方法更簡單。這里分裂Bregman方法被用來求解基于分析稀疏表示的極小問題進(jìn)行去模糊。實驗表明我們改進(jìn)的交替極小方法對于處理不同模糊和高斯噪聲都具有良好效果,在與相關(guān)算法進(jìn)行比較時,也表現(xiàn)出明顯的優(yōu)勢。2.提出基于小波框架的l0范數(shù)及TV作為正則項的方法來交替進(jìn)行去模糊和去噪聲。去模...
【文章頁數(shù)】:170 頁
【學(xué)位級別】:博士
【文章目錄】:
摘要
Abstract
第一章 引言
1.1 圖像恢復(fù)的研究背景及意義
1.2 倒像恢復(fù)問題的研究現(xiàn)狀
1.2.1 圖像去噪
1.2.2 圖像恢復(fù)
1.3 預(yù)備知識
1.3.1 分裂Bregman方法
1.3.2 小波框架
1.4 本文的主要研究內(nèi)容和創(chuàng)新點
第二章 基于分裂Bregman和小波框架的交替極小化方法
2.1 引言
2.2 交替極小化方法
2.2.1 基于分裂Bregman去模糊
2.2.2 基于Chambolle映射或者FISTA算法去噪聲
2.3 收斂性分析
2.4 數(shù)值結(jié)果
2.4.1 參數(shù)選擇
2.4.2 去高斯、平均、以及運動模糊的比較
2.5 本章小結(jié)
第三章 基于小波框架的l0及TV正則化的交替方法
3.1 引言
3.2 極小化方法
3.2.1 基于MDAL方法去模糊
3.2.2 基于近鄰算法去噪聲
3.3 收斂性分析
3.4 數(shù)值實驗
3.4.1 參數(shù)選擇
3.4.2 去高斯、平均、運動模糊的比較
3.5 本章小結(jié)
第四章 高斯噪聲及模糊圖像恢復(fù)的非凸方法
4.1 引言
4.2 計算方法
4.2.1 L2(L1-L2)模型的求解
4.2.2 收斂性分析
4.3 實驗結(jié)果
4.3.1 參數(shù)選擇
4.3.2 去除高斯噪聲及模糊的比較
4.4 本章小結(jié)
第五章 脈沖噪聲及模糊圖像恢復(fù)的非凸方法
5.1 引言
5.2 計算方法
5.2.1 L1(L1-L2))模型求解
5.2.2 收斂性分析
5.3 實驗結(jié)果
5.3.1 參數(shù)選擇
5.3.2 去除模糊圖像的脈沖噪聲的比較
5.4 本章小結(jié)
第六章 混合噪聲及模糊圖像恢復(fù)的非凸方法
6.1 引言
6.2 計算方法
6.2.1 L12(L1-L2)模型求解
6.2.2 已有相關(guān)的算法
6.3 實驗結(jié)果
6.3.1 參數(shù)的選取
6.3.2 去除模糊和混合噪聲的比較
6.4 本章小結(jié)
第七章 圖像銳化算子結(jié)合小波框架去模糊
7.1 引言
7.2 相關(guān)方法
7.2.1 正則化方法
7.2.2 銳化算子
7.3 計算方法
7.4 實驗結(jié)果
7.4.1 參數(shù)選取
7.4.2 簡單模型
7.4.3 去模糊結(jié)果
7.5 本章小結(jié)
第八章 總結(jié)與展望
8.1 總結(jié)
8.2 展望
參考文獻(xiàn)
發(fā)表文章目錄
致謝
本文編號:3906704
【文章頁數(shù)】:170 頁
【學(xué)位級別】:博士
【文章目錄】:
摘要
Abstract
第一章 引言
1.1 圖像恢復(fù)的研究背景及意義
1.2 倒像恢復(fù)問題的研究現(xiàn)狀
1.2.1 圖像去噪
1.2.2 圖像恢復(fù)
1.3 預(yù)備知識
1.3.1 分裂Bregman方法
1.3.2 小波框架
1.4 本文的主要研究內(nèi)容和創(chuàng)新點
第二章 基于分裂Bregman和小波框架的交替極小化方法
2.1 引言
2.2 交替極小化方法
2.2.1 基于分裂Bregman去模糊
2.2.2 基于Chambolle映射或者FISTA算法去噪聲
2.3 收斂性分析
2.4 數(shù)值結(jié)果
2.4.1 參數(shù)選擇
2.4.2 去高斯、平均、以及運動模糊的比較
2.5 本章小結(jié)
第三章 基于小波框架的l0及TV正則化的交替方法
3.1 引言
3.2 極小化方法
3.2.1 基于MDAL方法去模糊
3.2.2 基于近鄰算法去噪聲
3.3 收斂性分析
3.4 數(shù)值實驗
3.4.1 參數(shù)選擇
3.4.2 去高斯、平均、運動模糊的比較
3.5 本章小結(jié)
第四章 高斯噪聲及模糊圖像恢復(fù)的非凸方法
4.1 引言
4.2 計算方法
4.2.1 L2(L1-L2)模型的求解
4.2.2 收斂性分析
4.3 實驗結(jié)果
4.3.1 參數(shù)選擇
4.3.2 去除高斯噪聲及模糊的比較
4.4 本章小結(jié)
第五章 脈沖噪聲及模糊圖像恢復(fù)的非凸方法
5.1 引言
5.2 計算方法
5.2.1 L1(L1-L2))模型求解
5.2.2 收斂性分析
5.3 實驗結(jié)果
5.3.1 參數(shù)選擇
5.3.2 去除模糊圖像的脈沖噪聲的比較
5.4 本章小結(jié)
第六章 混合噪聲及模糊圖像恢復(fù)的非凸方法
6.1 引言
6.2 計算方法
6.2.1 L12(L1-L2)模型求解
6.2.2 已有相關(guān)的算法
6.3 實驗結(jié)果
6.3.1 參數(shù)的選取
6.3.2 去除模糊和混合噪聲的比較
6.4 本章小結(jié)
第七章 圖像銳化算子結(jié)合小波框架去模糊
7.1 引言
7.2 相關(guān)方法
7.2.1 正則化方法
7.2.2 銳化算子
7.3 計算方法
7.4 實驗結(jié)果
7.4.1 參數(shù)選取
7.4.2 簡單模型
7.4.3 去模糊結(jié)果
7.5 本章小結(jié)
第八章 總結(jié)與展望
8.1 總結(jié)
8.2 展望
參考文獻(xiàn)
發(fā)表文章目錄
致謝
本文編號:3906704
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3906704.html
最近更新
教材專著