隨著數(shù)字媒體技術(shù)的發(fā)展以及移動(dòng)智能設(shè)備的普及,人類已經(jīng)全面進(jìn)入信息化時(shí)代,圖像也因此成為了人類以及機(jī)器汲取信息的主要方式。但由于成像設(shè)備的硬件限制和外界環(huán)境的干擾,最終獲取的圖像往往會(huì)發(fā)生嚴(yán)重的質(zhì)量退化,從而難以滿足如醫(yī)療診斷、目標(biāo)識(shí)別與檢測等后續(xù)應(yīng)用的需求。因此,通過研究復(fù)原算法來改善圖像質(zhì)量進(jìn)而為后續(xù)處理提供便利具有非常重要的意義。圖像復(fù)原是一個(gè)眾所周知的病態(tài)逆問題,以圖像統(tǒng)計(jì)先驗(yàn)?zāi)Ｐ蜑閷?dǎo)向的最大后驗(yàn)概率方法通�？梢杂行Ь徑馄洳B(tài)性。因此本文以基于最大后驗(yàn)概率的圖像復(fù)原方法為出發(fā)點(diǎn),針對(duì)目前圖像統(tǒng)計(jì)先驗(yàn)?zāi)Ｐ痛嬖诘膯栴},主要開展如下兩方面的研究工作:（1）提出基于自適應(yīng)高斯混合模型的圖像復(fù)原方法為了克服傳統(tǒng)空域模型中固定高斯混合模型（Gaussianmixturemodel,GMM）表達(dá)能力不強(qiáng),無法準(zhǔn)確表示圖像結(jié)構(gòu)信息的問題,提出一種基于自適應(yīng)GMM模型（Adaptive GMM,AGMM）的圖像復(fù)原方法。首先,利用基于歐式距離的塊匹配方法為當(dāng)前待處理圖像塊尋找若干個(gè)相似圖像塊;然后,基于圖像的非局部自相似原理,將所有相似塊視為獨(dú)立同分布的樣本,估計(jì)出當(dāng)前待處理塊在GMM模型中所屬... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于濾波的圖像復(fù)原方法
        1.2.2 基于正則化的圖像復(fù)原方法
        1.2.3 基于最大后驗(yàn)概率的圖像復(fù)原方法
    1.3 論文的主要工作和章節(jié)安排
        1.3.1 論文的主要工作
        1.3.2 論文的章節(jié)安排
2 相關(guān)基礎(chǔ)知識(shí)介紹
    2.1 圖像退化模型
    2.2 相關(guān)圖像復(fù)原模型介紹
        2.2.1 基于高斯混合模型的EPLL圖像先驗(yàn)?zāi)Ｐ?br>        2.2.2 基于非局部自相似性的NLM去噪模型
        2.2.3 稀疏模型相關(guān)知識(shí)
    2.3 復(fù)原圖像質(zhì)量評(píng)估
        2.3.1 主觀評(píng)價(jià)
        2.3.2 客觀評(píng)價(jià)
    2.4 本章小結(jié)
3 基于自適應(yīng)高斯混合模型的圖像復(fù)原方法
    3.1 引言
    3.2 自適應(yīng)高斯混合模型
    3.3 基于自適應(yīng)高斯混合模型的圖像復(fù)原算法
    3.4 實(shí)驗(yàn)仿真及結(jié)果分析
        3.4.1 圖像去噪
        3.4.2 圖像去模糊
    3.5 本章小結(jié)
4 基于兩級(jí)正交變換和拉普拉斯分布的圖像復(fù)原方法
    4.1 引言
    4.2 PCA變換和2DSVD變換
        4.2.1 PCA變換基本原理
        4.2.2 2DSVD變換基本原理
    4.3 基于兩級(jí)正交變換和拉普拉斯分布的結(jié)構(gòu)化稀疏域模型
        4.3.1 基于兩級(jí)PCA變換和拉普拉斯分布的結(jié)構(gòu)化稀疏域模型
        4.3.2 基于2DSVD&PCA變換和拉普拉斯分布的結(jié)構(gòu)化稀疏域模型
    4.4 基于兩級(jí)正交變換和拉普拉斯分布的圖像復(fù)原算法
        4.4.1 基于兩級(jí)PCA變換和拉普拉斯分布的圖像復(fù)原算法
        4.4.2 基于2DSVD&PCA變換和拉普拉斯分布的圖像復(fù)原算法
    4.5 實(shí)驗(yàn)仿真及結(jié)果分析
        4.5.1 測試圖像和實(shí)驗(yàn)參數(shù)設(shè)置
        4.5.2 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)



本文編號(hào)：3465232