發(fā)布時(shí)間：2021-03-12 13:52

　　由于移動(dòng)互聯(lián)網(wǎng)時(shí)代與醫(yī)學(xué)信息革命的到來(lái),圖像及視頻越來(lái)越普及,圖像處理越來(lái)越受到重視,已經(jīng)發(fā)展成為了一門(mén)具有遠(yuǎn)大前景的學(xué)科。圖像在獲取、傳輸?shù)冗^(guò)程中都會(huì)不可避免的受到破壞,這無(wú)疑給研究者帶來(lái)了很大的困難。對(duì)不同的處理目的而言,圖像處理主要分為圖像增強(qiáng)、圖像恢復(fù)、圖像重建和圖像分割等。圖像恢復(fù)和重建在不同領(lǐng)域扮演著非常重要的角色,但其本質(zhì)上是一個(gè)不適定性問(wèn)題。通常,通過(guò)引入正則化項(xiàng),可以得到近似解。傳統(tǒng)引入的正則化項(xiàng)可以是基于總變分或者邊緣保留等。隨著卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展,其為圖像恢復(fù)和重建提供了新的研究思路。本文基于圖像恢復(fù)算法的理論方法和卷積神經(jīng)網(wǎng)絡(luò)模型,針對(duì)傳統(tǒng)的數(shù)學(xué)模型和卷積神經(jīng)網(wǎng)絡(luò)模型在不同圖像上的應(yīng)用展開(kāi)了研究。本論文主要研究圖像去模糊、圖像去噪和圖像重建工作:（1）提出了泊松圖像去模糊恢復(fù)的卷積神經(jīng)網(wǎng)絡(luò)。構(gòu)建端到端有監(jiān)督訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)Tnet-Deb應(yīng)用于自然圖像的去模糊問(wèn)題。對(duì)不同模糊核模糊的圖像,Tnet-Deb均可以表現(xiàn)出更優(yōu)的恢復(fù)性能,本文實(shí)驗(yàn)驗(yàn)證了提出網(wǎng)絡(luò)的可行性與有效性。（2）受傳統(tǒng)的方差穩(wěn)定變換算法啟發(fā),本文構(gòu)建了一個(gè)方差穩(wěn)定變換網(wǎng)絡(luò)（簡(jiǎn)稱(chēng)VST-Net）用... 

【文章來(lái)源】：南昌大學(xué)江西省 211工程院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１泊松去模糊Ｈ題的數(shù)據(jù)模型

圖２．３網(wǎng)絡(luò)架構(gòu)的可視化圖

圖２．４對(duì)卷積濾波器的可視化

【參考文獻(xiàn)】：
期刊論文
[1]基于框式約束的快速全變差圖像泊松去噪算法[J]. 金正猛,楊燕.  電子與信息學(xué)報(bào). 2014(08)
[2]小波分析及其在數(shù)字圖像處理中的應(yīng)用[J]. 趙登峰,許純新,王國(guó)強(qiáng).  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2001(09)

博士論文
[1]基于增廣拉格朗日的字典學(xué)習(xí)算法及其在醫(yī)學(xué)成像和圖像處理中的應(yīng)用[D]. 劉且根.上海交通大學(xué) 2012

碩士論文
[1]基于稀疏表示的圖像去噪算法研究[D]. 喬雅莉.北京交通大學(xué) 2009



本文編號(hào)：3078415