隨著圖像處理在各個領(lǐng)域應(yīng)用的不斷深化,對圖像處理的要求也不斷提高。實(shí)際中由于相對運(yùn)動、散焦和噪聲等許多不同因素的影響,會使得獲取的圖像有一定程度的污染,而形成模糊圖像。因此對模糊圖像的處理就成為圖像處理的重要的一個分支。本文以運(yùn)動模糊圖像為研究對象,首先分析逆濾波復(fù)原和維納濾波復(fù)原兩種經(jīng)典圖像復(fù)原算法的性能,結(jié)合分布式計算的思想,提出了一種組合式維納濾波復(fù)原的方法,即先在空間域上消除一部分噪聲,再對其進(jìn)行維納濾波復(fù)原處理,仿真分析表明組合式維納濾波復(fù)原的方法較單純的維納濾波算法性能更好;但是傳統(tǒng)算法改進(jìn)空間有限,滿足不了人們對于更高質(zhì)量圖像的追求,本文提出了一種基于區(qū)域劃分的稀疏表示去噪的智能圖像復(fù)原算法,該算法首先用Primal sketch稀疏表示模型和圖像塊的統(tǒng)計特征將整個圖像劃分為非平滑區(qū)域和光滑區(qū)域,對于非平滑區(qū)域用基于K-SVD字典的圖像去噪方法來去噪,對光滑區(qū)域用均值濾波方法來去噪,該算法由于采用不同區(qū)域使用不同算法的思想,更多地保留了圖像的細(xì)節(jié)信息。在同等實(shí)驗(yàn)環(huán)境下,組合維納濾波算法的PSNR值較維納濾波算法提高了至少1.4dB,而基于區(qū)域劃分的稀疏表示去噪智能算法的P... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像退化/復(fù)原模型

3典型的圖像復(fù)原算法及應(yīng)用17vuH),(遇到零值的可能性。事實(shí)上，逆濾波復(fù)原算法能夠?qū)⑻幚砟Ｐ瓦M(jìn)一步完善、改進(jìn)，形成新的模式[44]，如圖3.1所示。圖3.1逆濾波退化/復(fù)原模型由上述分析得知，逆濾波算法若是能夠排除噪聲，將其置于考慮的范圍之外，則其恢復(fù)的效果相對較好。但是，若不排除噪聲，則恢復(fù)效果相對較差。3.2維納濾波算法因?yàn)槟鏋V波一般會將噪聲增大，研究人員便對這一問題進(jìn)行了深入分析，因此，效果較好的維納濾波復(fù)原算法[45]便隨之出現(xiàn)�？梢詫⑦@種算法視為一種具有約束性的特別的復(fù)原算法，也就是圖像在恢復(fù)過程中受到某一特定因素的制約，一般又被叫作最小二乘濾波法。因?yàn)樾纬蓤D像一般是隨機(jī)的，同時，噪聲的出現(xiàn)也是難以預(yù)料的，此算法整體思路是：保證已恢復(fù)的圖像與原始清晰圖像間均方誤差是最小的，用公式表示為：22),(e),(minyxfyxfE（3.6）在公式（3.6）中，2e代表的是復(fù)原后的圖像和原始圖像二者之間的均方誤差，E表示期望運(yùn)算符號，假定噪聲均值是零，并且圖像與噪聲之間互不影響，該方法又被稱作最小均方估計法[46]。按照上一章所描述的圖像退化模型，倘若以退化之后的圖像yxg),(為輸入信號，再經(jīng)過復(fù)原濾波過程yxm),(，最終得到復(fù)原之后的圖像),(yxf，可用如下表達(dá)式表示：),(*),(),(yxmyxgyxf（3.7）結(jié)合維納濾波思想，滿足2minffE，根據(jù)正交性能夠得到式（3.7）最小值的前提條件為：),((yxgyxfyxfE0),()),(（3.8）對公式（3.8）使用傅里葉變換處理可得：),(),(),(vuSvuSvuMggfg（3.9）在公式（3.9）中，vuM),(代表的是濾波器的傅里葉變換，同時vuS),(fg代表的是互功率譜，而vuS),(gg代表的是自功率譜。根據(jù)退化模型可以得知：

四幅測試樣本

【參考文獻(xiàn)】：
期刊論文
[1]一種運(yùn)動模糊醫(yī)學(xué)圖像去模糊算法分析[J]. 王永飛,王春.  銅陵學(xué)院學(xué)報. 2020(01)
[2]基于自適應(yīng)無跡卡爾曼濾波的采摘機(jī)械手視覺伺服控制方法[J]. 梁喜鳳,彭明,路杰,秦超.  農(nóng)業(yè)工程學(xué)報. 2019(19)
[3]基于機(jī)器學(xué)習(xí)的無參考圖像質(zhì)量評價綜述[J]. 楊璐,王輝,魏敏.  計算機(jī)工程與應(yīng)用. 2018(19)
[4]有效保留圖像細(xì)節(jié)的模糊區(qū)域復(fù)原方法仿真[J]. 陳藝.  計算機(jī)仿真. 2018(09)
[5]人工智能發(fā)展的重點(diǎn)領(lǐng)域和方向[J]. 楊丹輝,鄧洲.  人民論壇. 2018(02)
[6]基于過完備字典學(xué)習(xí)的全變分圖像去噪方法[J]. 張曉嚴(yán),馬杰,武利濤.  河北工業(yè)大學(xué)學(xué)報. 2017(01)
[7]模糊圖像復(fù)原技術(shù)在刑事偵查中的應(yīng)用簡析[J]. 任志飛.  影像技術(shù). 2017(01)
[8]基于MATLAB的數(shù)字圖像去噪處理[J]. 周旭廷,王桂麗,傅赟,侯雪鵬.  計算機(jī)系統(tǒng)應(yīng)用. 2016(11)
[9]基于抗噪?yún)?shù)P的圖像濾波性能評價[J]. 王淑青,王娟,高翔,潘建.  湖北工業(yè)大學(xué)學(xué)報. 2016(05)
[10]一種基于L0正則化的模糊復(fù)原算法[J]. 方帥,范東,于磊,曹風(fēng)云.  計算機(jī)工程. 2016(01)

碩士論文
[1]基于常見模糊類型的圖像復(fù)原技術(shù)方法研究[D]. 孫小桐.長春工業(yè)大學(xué) 2019
[2]基于小波神經(jīng)網(wǎng)絡(luò)的人臉識別研究[D]. 史文惠.山東大學(xué) 2019
[3]紅外圖像去噪算法研究[D]. 柳鑫.西安電子科技大學(xué) 2019
[4]基于擴(kuò)展卡爾曼濾波的單目標(biāo)跟蹤算法研究[D]. 董俊松.西北師范大學(xué) 2019
[5]刑偵現(xiàn)勘圖像特征提取算法研究[D]. 胡丹.西安郵電大學(xué) 2018
[6]運(yùn)動模糊車牌識別系統(tǒng)關(guān)鍵技術(shù)的研究[D]. 溫偉.安徽理工大學(xué) 2018
[7]基于MATLAB的數(shù)字圖像復(fù)原技術(shù)研究[D]. 王雅蘭.華東政法大學(xué) 2018
[8]基于壓縮感知CT圖像重建技術(shù)研究[D]. 劉婷婷.華北理工大學(xué) 2018
[9]圖像復(fù)原算法研究與設(shè)計[D]. 曹麗娜.沈陽理工大學(xué) 2018
[10]三維點(diǎn)擴(kuò)散函數(shù)空間大小與選取方法研究[D]. 莫春球.廣西大學(xué) 2017



本文編號：3029857