發(fā)布時(shí)間：2022-10-30 10:37

　　圖像盲復(fù)原是圖像處理中備受關(guān)注的研究方向,擁有重大的科學(xué)研究?jī)r(jià)值和工程應(yīng)用價(jià)值。本文研究基于近似最大公因子（GCD）的圖像盲復(fù)原算法,但該算法在穩(wěn)定性和實(shí)時(shí)性仍存在不足之處。針對(duì)以上問題,分別提出正則化的近似GCD的多幅圖像盲復(fù)原算法和改進(jìn)的近似GCD的單幅圖像盲復(fù)原算法,以此改善退化圖像的復(fù)原效果。首先,由于傳統(tǒng)算法對(duì)原始圖像和點(diǎn)擴(kuò)散函數(shù)估計(jì)存在收斂較慢和求解不唯一的問題。為了在缺乏先驗(yàn)信息的情況下穩(wěn)定復(fù)原圖像,本文研究了Bezout型近似GCD圖像盲復(fù)原算法和Sylvester型近似GCD圖像盲復(fù)原算法。通過實(shí)驗(yàn)結(jié)果分析表明兩種算法的抗噪性較差,Bezout型盲復(fù)原算法比Sylvester型盲復(fù)原算法有更高的實(shí)時(shí)性。其次,鑒于Bezout型和Sylvester型近似GCD圖像盲復(fù)原算法對(duì)于噪聲的干擾比較敏感,本文構(gòu)造了正則約束模型,提出了正則化的近似GCD的多幅圖像盲復(fù)原算法。該算法使用Bezout型近似GCD算法計(jì)算出點(diǎn)擴(kuò)散函數(shù),然后利用正則化約束模型進(jìn)行非盲解卷積,從而獲得復(fù)原圖像。通過實(shí)驗(yàn)仿真分析和對(duì)比,改進(jìn)算法具有較好的抗噪性,各項(xiàng)圖像質(zhì)量評(píng)價(jià)指標(biāo)有所提高,復(fù)原圖像對(duì)于圖像... 

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究的背景及意義
    1.2 圖像盲復(fù)原的國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文的主要內(nèi)容
第2章 圖像復(fù)原基本理論
    2.1 圖像退化模型
    2.2 圖像復(fù)原的不適定性
    2.3 點(diǎn)擴(kuò)散函數(shù)PSF模型
    2.4 圖像噪聲
    2.5 經(jīng)典的圖像盲復(fù)原算法
        2.5.1 參數(shù)估計(jì)的圖像盲復(fù)原算法
        2.5.2 迭代盲反卷積圖像盲復(fù)原算法
        2.5.3 全變分正則化圖像盲復(fù)原算法
    2.6 復(fù)原圖像質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)
    2.7 本章小結(jié)
第3章 近似最大公因子的圖像復(fù)原模型及求解方法
    3.1 基于近似最大公因子的圖像盲復(fù)原模型
    3.2 基于Bezout型近似最大公因子的圖像盲復(fù)原算法
        3.2.1 Bezout矩陣的性質(zhì)
        3.2.2 Bezout型一元多項(xiàng)式最大公因子求解
        3.2.3 Bezout型二元多項(xiàng)式最大公因子求解
        3.2.4 圖像盲復(fù)原算法的流程
    3.3 基于Sylvester型近似最大公因子的圖像盲復(fù)原算法
        3.3.1 Sylvester矩陣的性質(zhì)
        3.3.2 Sylvester型一元多項(xiàng)式最大公因子求解
        3.3.3 圖像盲復(fù)原算法的流程
    3.4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    3.5 本章小結(jié)
第4章 正則化的近似最大公因子的多幅圖像盲復(fù)原算法
    4.1 圖像復(fù)原中的正則化方法
        4.1.1 正則化方法的基本概念
        4.1.2 正則項(xiàng)與正則參數(shù)
    4.2 正則化的近似最大公因子的多幅圖像盲復(fù)原算法
        4.2.1 Bezout型近似GCD算法求解PSF
        4.2.2 正則化約束非盲迭代解卷積模型
        4.2.3 正則化模型的求解
        4.2.4 算法中參數(shù)的選取
        4.2.5 改進(jìn)算法的流程
    4.3 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    4.4 本章小結(jié)
第5章 改進(jìn)的近似最大公因子的單幅圖像盲復(fù)原算法
    5.1 基于單幅圖像的多個(gè)輔助求解多項(xiàng)式構(gòu)造方法
    5.2 Bezout型 GCD算法優(yōu)化及PSF求解方法
        5.2.1 PSF尺寸計(jì)算的優(yōu)化方法
        5.2.2 Bezout型 GCD算法求解公因子的優(yōu)化
        5.2.3 基于Bezout型 GCD算法的PSF求解方法
    5.3 維納濾波解卷積
    5.4 改進(jìn)算法的流程
    5.5 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
        5.5.1 QR 分解計(jì)算 PSF 尺寸實(shí)驗(yàn)
        5.5.2 圖像盲復(fù)原算法實(shí)驗(yàn)
    5.6 本章小結(jié)
第6章 結(jié)論
    6.1 本文工作總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
攻讀碩士期間取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于分?jǐn)?shù)階微積分正則化的圖像處理[J]. 陳云,郭寶裕,馬祥園.  計(jì)算數(shù)學(xué). 2017(04)
[2]基于能量約束的自適應(yīng)加權(quán)圖像盲復(fù)原算法[J]. 蘇暢,付天驕,張星祥,任建岳,金龍旭.  光學(xué)學(xué)報(bào). 2018(02)
[3]基于先驗(yàn)信息的全變分圖像復(fù)原算法[J]. 張俊峰,羅立民,舒華忠,伍家松.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[4]自適應(yīng)閾值的超變分正則化圖像盲復(fù)原[J]. 周籮魚,張葆,楊揚(yáng).  光學(xué)精密工程. 2012(12)
[5]基于變分貝葉斯估計(jì)的相機(jī)抖動(dòng)模糊圖像的盲復(fù)原算法[J]. 孫韶杰,吳瓊,李國(guó)輝.  電子與信息學(xué)報(bào). 2010(11)
[6]基于傾斜刃邊法的調(diào)制傳遞函數(shù)計(jì)算及圖像復(fù)原[J]. 李鐵成,陶小平,馮華君,徐之海.  光學(xué)學(xué)報(bào). 2010(10)
[7]圖像盲復(fù)原算法研究現(xiàn)狀及其展望[J]. 張航,羅大庸.  中國(guó)圖象圖形學(xué)報(bào). 2004(10)

博士論文
[1]基于盲解卷積的圖像盲復(fù)原技術(shù)研究[D]. 周籮魚.中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所） 2013
[2]基于偏微分方程理論的圖像復(fù)原技術(shù)研究[D]. 盧兆林.中國(guó)礦業(yè)大學(xué) 2012
[3]圖像復(fù)原的Bregman迭代正則化方法研究[D]. 易麗婭.華中科技大學(xué) 2011
[4]運(yùn)動(dòng)模糊圖像恢復(fù)算法的研究與實(shí)現(xiàn)[D]. 劉微.中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所） 2006
[5]基于圖像復(fù)原的航空攝影前向像移檢測(cè)及補(bǔ)償技術(shù)研究[D]. 劉明.中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所） 2005

碩士論文
[1]基于奇異值分解的信號(hào)處理關(guān)鍵技術(shù)研究[D]. 聶振國(guó).華南理工大學(xué) 2016
[2]非凸性高階全變差正則化盲圖像復(fù)原方法研究[D]. 許尚文.重慶大學(xué) 2015
[3]圖像盲復(fù)原方法中稀疏正則方法的研究[D]. 鄒子健.西安電子科技大學(xué) 2013
[4]圖像盲復(fù)原實(shí)用技術(shù)研究[D]. 徐宗琦.國(guó)防科學(xué)技術(shù)大學(xué) 2006
[5]圖像復(fù)原中正則化方法的研究及應(yīng)用[D]. 苗晴.國(guó)防科學(xué)技術(shù)大學(xué) 2005



本文編號(hào)：3698734