發(fā)布時(shí)間：2017-05-19 16:06

  本文關(guān)鍵詞：基于正則化方法的圖像復(fù)原算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像偵查是公安機(jī)關(guān)各類案件偵破處理過程中搜集證據(jù)、提取線索的重要手段,隨著平安城市建設(shè)的深入發(fā)展和視頻監(jiān)控網(wǎng)絡(luò)的不斷規(guī)�；�,海量的視頻圖像等信息資源被方便快捷的獲取。然而圖像在采集傳輸?shù)倪^程中,受到了設(shè)備、環(huán)境、人為等因素的影響,獲得的圖像質(zhì)量參差不齊,其中模糊圖像占據(jù)了圖像和視頻資料的很大比例。公安辦案人員無法從模糊的視頻圖像中判別案發(fā)現(xiàn)場細(xì)節(jié),如犯罪嫌疑人面部特征的辨認(rèn),肇事車輛車牌號(hào)碼的辨識(shí)等,從而影響了辦案人員的判案斷案,模糊的視頻圖像同樣也無法成為日后法庭定案的現(xiàn)場取證資料。從模糊的圖像中恢復(fù)出清晰的、高質(zhì)量的圖像,協(xié)助公安人員的判案斷案,服務(wù)于公共治安防控、案件偵破、情報(bào)研判等警務(wù)工作,是公安研究領(lǐng)域一個(gè)亟需解決的重要問題。因此,本文圍繞各種形式的模糊圖像復(fù)原問題展開了深入的研究,綜合理論分析、模型建立、算法設(shè)計(jì)以及實(shí)驗(yàn)驗(yàn)證等多個(gè)方面來解決相關(guān)問題,主要工作及創(chuàng)新點(diǎn)如下:第一,加性噪聲污染圖像的去噪方法研究。針對(duì)圖像在采集、傳輸及存儲(chǔ)過程中受到噪聲干擾而降質(zhì)的問題,本文提出了兩種結(jié)合變換域估計(jì)和空域平滑的去噪算法�；谛碌亩喑叨茸儞Q工具金字塔對(duì)偶樹方向?yàn)V波器組(PDTDFB)具有方向選擇性、低冗余度、分解靈活且完全重構(gòu)等良好的特性,同時(shí)充分利用PDTDFB系數(shù)間的相關(guān)性,提出了兩種PDTDFB域圖像統(tǒng)計(jì)去噪模型:基于貝葉斯最小二乘法的PDTDFB域高斯尺度混合模型和基于最大后驗(yàn)估計(jì)的PDTDFB域多變量收縮模型。進(jìn)一步在空域結(jié)合非局部均值濾波消除PDTDFB域去噪后的劃痕效應(yīng),獲得更高質(zhì)量的視覺效果和客觀評(píng)價(jià)。不同污染程度的噪聲圖像復(fù)原實(shí)驗(yàn)表明了本文所提出兩種方法的有效性。第二,已知點(diǎn)擴(kuò)展函數(shù)模糊圖像的非盲復(fù)原方法研究。在空間移不變點(diǎn)擴(kuò)展函數(shù)已知的條件下,本文提出了一種基于空間-變換域上聯(lián)合權(quán)重各向異性總變分(WATV)正則化和剪切波(Shearlet)稀疏表示的圖像復(fù)原模型。空間域的WATV增強(qiáng)了對(duì)圖像邊緣的保護(hù),克服了傳統(tǒng)總變分的階梯效應(yīng)。Shearlet變換對(duì)圖像的稀疏表示能夠最優(yōu)地刻畫紋理和細(xì)節(jié)特征。將兩者聯(lián)合所得的復(fù)合模型嵌入到正則化框架下,構(gòu)造出新的非凸目標(biāo)函數(shù)。針對(duì)該函數(shù)的求解,提出了一個(gè)基于多變量迭代最小化的分裂布雷格曼(splitbregman)算法,將原始目標(biāo)函數(shù)的優(yōu)化問題解耦為幾個(gè)簡單的子問題進(jìn)行交替迭代地求解,且每個(gè)子問題都存在閉式解。通過運(yùn)動(dòng)、高斯和均值點(diǎn)擴(kuò)展函數(shù)卷積且疊加噪聲產(chǎn)生的三類模糊圖像的復(fù)原實(shí)驗(yàn),驗(yàn)證提出方法的有效性和魯棒性。第三,全局運(yùn)動(dòng)模糊圖像的盲復(fù)原方法研究。針對(duì)成像設(shè)備與目標(biāo)場景間相對(duì)運(yùn)動(dòng)所產(chǎn)生的單張圖像全局運(yùn)動(dòng)模糊,本文提出一種基于0范數(shù)多正則化的兩步驟圖像盲復(fù)原算法。點(diǎn)擴(kuò)展函數(shù)估計(jì)階段,利用0范數(shù)具有大邊緣保持和小邊緣抑制的優(yōu)勢(shì)來刻畫自然圖像梯度的稀疏特性,同時(shí)在圖像梯度約束上增加一個(gè)自適應(yīng)邊緣選擇權(quán)重函數(shù),增強(qiáng)對(duì)大邊緣的保持。為了保證點(diǎn)擴(kuò)展函數(shù)的連續(xù)平滑性和稀疏性,減少點(diǎn)擴(kuò)展函數(shù)中噪聲的影響,構(gòu)造了一個(gè)結(jié)合0范數(shù)和2范數(shù)的點(diǎn)擴(kuò)展函數(shù)約束正則項(xiàng)。將多個(gè)約束嵌入到正則化框架下,得到了基于0范數(shù)的點(diǎn)擴(kuò)展函數(shù)估計(jì)復(fù)合模型。在交替最小化框架下,利用了分裂bregman算法和半二次分裂法則對(duì)提出的模型進(jìn)行高效地?cái)?shù)值求解,估計(jì)出準(zhǔn)確的點(diǎn)擴(kuò)展函數(shù)。圖像復(fù)原階段,提出了具有振鈴抑制功能的非盲復(fù)原方法實(shí)現(xiàn)最終的圖像復(fù)原。第四,局部運(yùn)動(dòng)模糊圖像的盲復(fù)原方法研究。針對(duì)成像設(shè)備固定,拍攝場景中的主要目標(biāo)對(duì)象運(yùn)動(dòng)而導(dǎo)致的局部運(yùn)動(dòng)模糊,本文提出了基于模糊區(qū)域自動(dòng)檢測、模糊區(qū)域分割、以及圖像合成修補(bǔ)多步驟處理流程的局部運(yùn)動(dòng)模糊圖像復(fù)原方法。提出的方法首先將局部模糊圖像分塊,計(jì)算塊的奇異值分解模糊指標(biāo),依據(jù)指標(biāo)范圍區(qū)分出圖像的模糊區(qū)域和清晰區(qū)域;接下來根據(jù)檢測結(jié)果利用數(shù)字摳圖技術(shù)的closed-formmatting算法計(jì)算圖像的alpha通道圖,根據(jù)alpha通道圖將原圖分割為僅包含模糊區(qū)域和僅包含清晰區(qū)域的兩張圖像;進(jìn)而利用本文提出的全局運(yùn)動(dòng)模糊圖像盲復(fù)原算法復(fù)原模糊圖像,并將復(fù)原后的圖像與分割所得的清晰圖像合成及修補(bǔ),得到最終的復(fù)原結(jié)果。最后,為了將本文所提出的多個(gè)算法應(yīng)用到實(shí)際問題的解決中,對(duì)自然環(huán)境下采集的模糊圖像進(jìn)行了復(fù)原實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明了本文所研究算法的有效性和實(shí)用性,能夠?yàn)楣矙C(jī)關(guān)的圖像偵查工作中的模糊圖像復(fù)原提供了理論基礎(chǔ)和技術(shù)支撐。
【關(guān)鍵詞】：圖像去噪 圖像非盲復(fù)原 圖像盲復(fù)原 運(yùn)動(dòng)模糊 正則化
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要6-9
• ABSTRACT9-16
• 第一章 緒論16-38
• 1.1 研究背景及意義16-22
• 1.2 圖像復(fù)原問題的研究現(xiàn)狀22-30
• 1.2.1 圖像去噪23-26
• 1.2.2 圖像去模糊26-30
• 1.3 圖像復(fù)原技術(shù)研究中所存在的問題30-32
• 1.4 本文主要研究內(nèi)容32-34
• 1.5 論文章節(jié)安排34-38
• 第二章 圖像復(fù)原的基本理論與方法38-60
• 2.1 圖像降質(zhì)模型研究38-46
• 2.1.1 噪聲降質(zhì)模型39-42
• 2.1.2 模糊降質(zhì)模型42-46
• 2.2 經(jīng)典圖像復(fù)原方法46-49
• 2.3 正則化圖像復(fù)原方法49-56
• 2.4 統(tǒng)計(jì)推斷的圖像復(fù)原方法（貝葉斯圖像復(fù)原方法）56-57
• 2.5 圖像復(fù)原質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)57-59
• 2.6 本章小結(jié)59-60
• 第三章 結(jié)合PDTDFB變換域估計(jì)和空域平滑的噪聲降質(zhì)圖像復(fù)原60-84
• 3.1 引言60-62
• 3.2 多尺度變換域PDTDFB基本理論62-64
• 3.3 兩種PDTDFB變換域去噪模型的提出64-72
• 3.3.1 提出的模型一：PDTDFB域高斯尺度混合模型64-67
• 3.3.2 提出的模型二：PDTDFB域多變量收縮模型67-72
• 3.4 兩種結(jié)合PDTDFB變換域估計(jì)和空域?yàn)V波的去噪算法72-75
• 3.4.1 非局部均值濾波72-73
• 3.4.2 兩種去噪算法的流程73-75
• 3.5 實(shí)驗(yàn)結(jié)果75-82
• 3.5.1 實(shí)驗(yàn)說明75
• 3.5.2 結(jié)果比較和分析75-80
• 3.5.3 參數(shù)影響分析80-82
• 3.6 本章小結(jié)82-84
• 第四章 基于空間-變換域的聯(lián)合稀疏正則化模型的圖像非盲復(fù)原84-106
• 4.1 引言84-87
• 4.2 預(yù)備知識(shí)87-91
• 4.2.1 權(quán)重各向異性總變分WATV87-89
• 4.2.2 剪切波Shearlet基本理論89-91
• 4.3 聯(lián)合稀疏正則化模型的提出91-92
• 4.4 聯(lián)合稀疏正則化模型的優(yōu)化求解92-95
• 4.4.1 多變量的分裂Bregman迭代復(fù)原算法92-94
• 4.4.2 算法整體流程94-95
• 4.5 實(shí)驗(yàn)結(jié)果95-105
• 4.5.1 實(shí)驗(yàn)說明95-96
• 4.5.2 結(jié)果比較和分析96-103
• 4.5.3 參數(shù)影響分析103-104
• 4.5.4 算法時(shí)間性能比較104-105
• 4.6 本章小結(jié)105-106
• 第五章 快速的L0范數(shù)正則化兩步驟運(yùn)動(dòng)模糊圖像盲復(fù)原106-130
• 5.1 引言106-109
• 5.2 運(yùn)動(dòng)模糊圖像盲復(fù)原步驟一：點(diǎn)擴(kuò)展函數(shù)估計(jì)109-115
• 5.2.1 基于L0范數(shù)多正則化約束模型的提出109-111
• 5.2.2 模型的優(yōu)化求解111-115
• 5.3 運(yùn)動(dòng)模糊圖像盲復(fù)原步驟二：最終圖像復(fù)原115-117
• 5.3.1 抑制振鈴效應(yīng)的非盲復(fù)原115-116
• 5.3.2 整體算法流程描述116-117
• 5.4 實(shí)驗(yàn)結(jié)果117-127
• 5.4.1 實(shí)驗(yàn)說明117-119
• 5.4.2 結(jié)果比較與分析119-125
• 5.4.3 模糊核約束分析125-127
• 5.4.4 算法時(shí)間性能比較127
• 5.5 本章小結(jié)127-130
• 第六章 兩類運(yùn)動(dòng)模糊圖像的復(fù)原應(yīng)用研究130-152
• 6.1 引言130-132
• 6.2 局部運(yùn)動(dòng)模糊圖像的復(fù)原132-146
• 6.2.1 模糊區(qū)域檢測132-137
• 6.2.2 模糊區(qū)域分割137-141
• 6.2.3 局部運(yùn)動(dòng)模糊圖像復(fù)原實(shí)驗(yàn)141-144
• 6.2.4 算法流程描述144-146
• 6.3 實(shí)拍兩類運(yùn)動(dòng)模糊圖像的復(fù)原應(yīng)用146-150
• 6.3.1 實(shí)拍局部運(yùn)動(dòng)模糊圖像的復(fù)原應(yīng)用146-148
• 6.3.2 實(shí)拍全局運(yùn)動(dòng)模糊圖像的復(fù)原應(yīng)用148-150
• 6.4 本章小結(jié)150-152
• 第七章 結(jié)論與展望152-158
• 7.1 全文工作總結(jié)152-153
• 7.2 論文的創(chuàng)新點(diǎn)153-154
• 7.3 未來工作展望154-158
• 參考文獻(xiàn)158-168
• 作者在攻讀博士學(xué)位期間發(fā)表的論文168-170
• 作者在攻讀博士學(xué)位期間的獲獎(jiǎng)情況170-172
• 致謝172-174

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 高國榮;許錄平;馮冬竹;;利用非抽樣Shearlet域GSM模型進(jìn)行圖像去噪[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年07期

2 閆河;李剛;張小川;;復(fù)數(shù)Curvelet變換域復(fù)數(shù)高斯尺度混合圖像降噪[J];信息與控制;2009年06期

3 韓亮;李勇明;溫羅生;蒲秀娟;王星;;基于非下采樣Contourlet域高斯尺度混合模型的圖像降噪[J];光電子.激光;2009年08期

4 閆河;劉加伶;曾慶森;張小川;;復(fù)小波包域復(fù)數(shù)高斯尺度混合模型圖像降噪[J];光電子.激光;2009年08期

5 賈建;焦李成;項(xiàng)海林;;基于雙變量閾值的非下采樣Contourlet變換圖像去噪[J];電子與信息學(xué)報(bào);2009年03期

6 汪雪林,韓華,彭思龍;基于小波域局部高斯模型的圖像復(fù)原[J];軟件學(xué)報(bào);2004年03期

  本文關(guān)鍵詞：基于正則化方法的圖像復(fù)原算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：379135