本文關(guān)鍵詞：圖像處理中的塊先驗(yàn)理論及應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：作為有力的和應(yīng)用廣泛的通信媒介,圖像已經(jīng)成為人類認(rèn)識(shí)物理世界的主要信息來源。圖像處理和理解成為當(dāng)今科學(xué)技術(shù)的重要組成部分。然而,由于成像系統(tǒng)的不完善、周圍環(huán)境的變化等因素的影響,圖像在形成、傳輸、記錄過程中會(huì)產(chǎn)生退化,導(dǎo)致信噪比(Signal-to-Noise Ratio, SNR)和分辨率降低、畸變、模糊等。圖像的退化嚴(yán)重影響了其實(shí)際應(yīng)用效果,圖像分析和理解需要消除這些影響。目前,主要有兩種方式：一是通過預(yù)處理對(duì)退化圖像進(jìn)行恢復(fù)；二是在圖像理解算法中考慮退化因素造成的偏差。噪聲是導(dǎo)致圖像退化的主要因素之一,同時(shí),圖像去噪模型很容易擴(kuò)展到去模糊等其它圖像恢復(fù)模型。因此,圖像去噪一直是圖像處理領(lǐng)域的研究熱點(diǎn)。城市變化檢測(cè)在城市演變、城市規(guī)劃、數(shù)字城市等領(lǐng)域有著非常重要的作用,.由于高分辨率圖像可以提供更多的細(xì)節(jié)信息,近年來,基于高分辨率遙感圖像的城市變化檢測(cè)受到了更為廣泛的關(guān)注。圖像處理算法可以在“塊”尺度上進(jìn)行,本論文旨在利用分塊思想和圖像塊先驗(yàn)提高退化圖像的信噪比和多時(shí)相高分辨率(Very High Resolution, VHR)遙感圖像變化檢測(cè)的精度。本論文的主要?jiǎng)?chuàng)新性工作概括為以下四個(gè)部分：第一部分研究受加性高斯白噪聲影響的高光譜圖像的恢復(fù)。結(jié)合主成分分析(Principal Component Analysis, PCA)能量集中的特性和字典學(xué)習(xí)對(duì)每個(gè)主成分圖像的自適應(yīng)性,提出了基于主成分分析和字典學(xué)習(xí)的高光譜遙感圖像去噪方法。該方法利用了高光譜圖像在變換域的圖像塊的稀疏性先驗(yàn)。實(shí)驗(yàn)表明,新方法達(dá)到了更好的去噪效果,更好地保留了細(xì)節(jié),有效抑制了斑塊效應(yīng)。第二部分提出一個(gè)新的字典學(xué)習(xí)模型。圖像的光滑性先驗(yàn)假定圖像屬于某個(gè)光滑函數(shù)空間,圖像塊的稀疏性先驗(yàn)假定圖像塊可以在一組正交基、框架或者過完備字典下進(jìn)行稀疏表示。綜合以上兩種假定,提出圖像塊可以在光滑字典下進(jìn)行稀疏表示,建立了二階總廣義變差(Total Generalized Variation, TGV)正則的過完備字典學(xué)習(xí)模型,并將其應(yīng)用于圖像中加性高斯白噪聲的去除。與已有字典學(xué)習(xí)模型相比,提出模型可以有效地控制字典原子的光滑性、更好地保留圖像的結(jié)構(gòu),數(shù)值實(shí)驗(yàn)驗(yàn)證了提出模型的有效性。第三部分研究受乘性Gamma噪聲污染的灰度圖像的恢復(fù)�；趫D像的光滑性先驗(yàn)、對(duì)數(shù)域圖像塊的自相似性和稀疏性先驗(yàn),提出了基于相似塊組的乘性噪聲去除模型的新框架,同時(shí)考慮了3種重要的圖像/圖像塊先驗(yàn)。考慮高階奇異值分解(Higher Order Singular Value Decomposition, HOSVD)和總變差(Total Variation,TV)正則的互補(bǔ)性,給出了一個(gè)具體的乘性噪聲去除模型,分析了對(duì)應(yīng)的求解算法。實(shí)驗(yàn)結(jié)果表明,新模型在有效去除乘性噪聲的同時(shí),可以更好地保留圖像的邊緣和紋理區(qū)域的細(xì)節(jié)信息。第四部分研究多時(shí)相高分辨率遙感圖像變化檢測(cè)。利用圖像塊在特征空間下的相似性,提出了變化場(chǎng)的概念。變化場(chǎng)具有明確的物理意義,它將高維特征空間投影到3維變化特征空間。利用圖像塊在空間的偏移距離和在特征空間的相似度差異,變化場(chǎng)在“塊”尺度上有效的度量了兩幅高分辨率圖像間的復(fù)雜變化,提高了變化類和非變化類的類間可分性�；谧兓瘓�(chǎng)和漸進(jìn)直推式支持向量機(jī)分類器,給出了一個(gè)高分辨率遙感圖像變化檢測(cè)新方法。實(shí)驗(yàn)表明,一些已有的變化檢測(cè)算法的精度可以通過使用變化場(chǎng)得到提升,提出的方法可以有效地區(qū)分變化類和非變化類。
【關(guān)鍵詞】：圖像去噪 變化檢測(cè) 圖像塊先驗(yàn) 字典學(xué)習(xí) 高階奇異值分解
【學(xué)位授予單位】：西安電子科技大學(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5-7
• Abstract7-13
• 符號(hào)對(duì)照表13-14
• 縮略語(yǔ)對(duì)照表14-18
• 第一章 緒論18-34
• 1.1 選題背景和意義18-20
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀分析20-31
• 1.2.1 圖像去噪的研究現(xiàn)狀20-28
• 1.2.2 高分辨率遙感圖像變化檢測(cè)研究現(xiàn)狀28-30
• 1.2.3 存在的問題30-31
• 1.3 論文的主要研究思路和結(jié)構(gòu)安排31-34
• 第二章 基于主成分分析和字典學(xué)習(xí)的高光譜遙感圖像去噪34-50
• 2.1 高光譜圖像去加性噪聲的研究現(xiàn)狀34-36
• 2.2 基于主成分分析和字典學(xué)習(xí)的高光譜遙感圖像去噪36-41
• 2.2.1 光譜維PCA變換36-38
• 2.2.2 基于K-SVD算法的噪聲成分圖像去噪38-41
• 2.3 數(shù)值實(shí)驗(yàn)41-49
• 2.3.1 模擬數(shù)據(jù)實(shí)驗(yàn)結(jié)果42-47
• 2.3.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)結(jié)果47-49
• 2.4 本章小結(jié)49-50
• 第三章 基于過完備光滑字典的加性噪聲去除模型50-64
• 3.1 預(yù)備知識(shí)50-53
• 3.1.1 TGV的定義和性質(zhì)50-51
• 3.1.2 消失矩及其對(duì)基于小波變換的圖像去噪效果的影響51-53
• 3.2 過完備光滑字典學(xué)習(xí)模型53-57
• 3.2.1 字典學(xué)習(xí)模型的建立53-55
• 3.2.2 字典學(xué)習(xí)模型的求解55-57
• 3.2.3 基于光滑過完備字典的圖像去噪57
• 3.3 數(shù)值實(shí)驗(yàn)57-63
• 3.3.1 峰值信噪比比較57-60
• 3.3.2 字典光滑性的比較60-61
• 3.3.3 去噪圖像的視覺比較61-63
• 3.4 本章小結(jié)63-64
• 第四章 基于高階奇異值分解和總變差正則的乘性噪聲去除模型64-82
• 4.1 乘性噪聲去除的研究現(xiàn)狀64-68
• 4.1.1 乘性Gamma噪聲的數(shù)學(xué)表示64-66
• 4.1.2 研究現(xiàn)狀66-67
• 4.1.3 HMNZ模型67-68
• 4.2 基于高階奇異值分解和總變差的乘性噪聲去除模型68-74
• 4.2.1 模型的建立69-70
• 4.2.2 模型求解70-74
• 4.3 數(shù)值實(shí)驗(yàn)74-80
• 4.3.1 參數(shù)選擇74
• 4.3.2 客觀評(píng)價(jià)74-76
• 4.3.3 主觀評(píng)價(jià)76-80
• 4.4 本章小結(jié)80-82
• 第五章 基于變化場(chǎng)的城市場(chǎng)景高分辨率遙感圖像變化檢測(cè)82-100
• 5.1 背景知識(shí)82-84
• 5.1.1 變化特征抽取82-84
• 5.1.2 變化特征分類84
• 5.2 變化場(chǎng)的定義84-89
• 5.3 基于變化場(chǎng)的城市場(chǎng)景高分辨率遙感圖像變化檢測(cè)89-93
• 5.3.1 變化場(chǎng)的計(jì)算89-90
• 5.3.2 變化場(chǎng)的分割90-93
• 5.4 數(shù)值實(shí)驗(yàn)93-99
• 5.5 本章小結(jié)99-100
• 第六章 結(jié)論和展望100-102
• 6.1 研究結(jié)論100-101
• 6.2 研究展望101-102
• 參考文獻(xiàn)102-114
• 致謝114-116
• 作者簡(jiǎn)介116-117

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 唐夢(mèng);彭國(guó)華;鄭紅嬋;;基于正則化方法的圖像盲去模糊[J];計(jì)算機(jī)應(yīng)用研究;2014年02期

2 王鋒;張昆帆;孟凡坤;趙擁軍;;一種基于總體變分的自適應(yīng)圖像去噪方法[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2014年01期

3 孫曉明;周冬梅;張順;;圖像去噪方法的對(duì)比研究[J];科技視界;2014年06期

4 馬超;況立群;韓燮;;基于視覺的拓?fù)涮卣魈崛J];計(jì)算機(jī)測(cè)量與控制;2015年11期

5 楊柳;何國(guó)良;;圖像濾波中P-M方程的兩層格式算法[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年05期

6 張洪為;宋芳芳;;基于改進(jìn)總變分算法的遙感圖像去噪方法研究[J];通化師范學(xué)院學(xué)報(bào);2014年10期

7 齊玉娟;牛瀟然;王延江;;基于人類記憶機(jī)制的碼本建模方法研究[J];中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

8 王鋒;張昆帆;王希云;趙擁軍;;TV正則化的雙迭代RL湍流退化圖像復(fù)原算法[J];信息工程大學(xué)學(xué)報(bào);2014年02期

9 楊娜;陳后金;陳益強(qiáng);;基于視覺注意機(jī)制PCNN模型的車牌圖像分割方法[J];交通運(yùn)輸系統(tǒng)工程與信息;2014年03期

10 楊巧;李五強(qiáng);韓國(guó)棟;;P-M與TV模型在加性高斯白噪聲去噪中的比較研究[J];渭南師范學(xué)院學(xué)報(bào);2014年15期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張奕;基于偏微分方程圖像處理的快速差分算法研究[D];華北電力大學(xué)（北京）;2011年

2 胡琳昀;自適應(yīng)圖像修復(fù)算法研究[D];重慶大學(xué);2012年

3 唐登龍;基于DBN的服裝風(fēng)格自主發(fā)育的研究與實(shí)現(xiàn)[D];東華大學(xué);2014年

4 李青青;基于正則化方法的圖像去噪模型的研究[D];武漢理工大學(xué);2013年

5 李理;加權(quán)型線性積分卷積圖像去噪方法研究[D];南京理工大學(xué);2013年

6 楊新星;局部線性嵌入降維及其在紅外及微光圖像識(shí)別中的應(yīng)用[D];南京理工大學(xué);2014年

7 宋朝帥;多物理場(chǎng)圖像處理中LBM的研究與應(yīng)用[D];青島理工大學(xué);2013年

8 李琰婷;基于偏微分方程的可見光圖像增強(qiáng)方法及實(shí)現(xiàn)[D];長(zhǎng)春理工大學(xué);2014年

9 王艷;基于各向異性擴(kuò)散的圖像降噪算法的研究與優(yōu)化[D];中北大學(xué);2014年

10 候芳;基于區(qū)域特征對(duì)比分析的圖像顯著性檢測(cè)方法研究[D];燕山大學(xué);2013年

  本文關(guān)鍵詞：圖像處理中的塊先驗(yàn)理論及應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：445197