計(jì)算機(jī)視覺(jué)和數(shù)字圖像處理的研究與應(yīng)用越來(lái)越收到人們廣泛而密切的關(guān)注,其中戶(hù)外視覺(jué)系統(tǒng)也在多個(gè)領(lǐng)域取得了重大的成果,例如智能交通、視頻監(jiān)控、遙感監(jiān)測(cè)等。然而,惡劣的環(huán)境對(duì)戶(hù)外視覺(jué)系統(tǒng)造成了極其嚴(yán)重的干擾,其中高光譜圖像中存在的典型的條帶噪聲以及視頻中常見(jiàn)的雨點(diǎn)、煙霧都會(huì)對(duì)圖像/視頻的質(zhì)量帶來(lái)極大的損害。為了得到高清晰度高質(zhì)量的圖像/視頻,去除以上所述的噪聲所帶來(lái)的負(fù)面影響具有特別重大的實(shí)際意義。本文主要針對(duì)高光譜圖像中存在的條帶噪聲以及視頻中出現(xiàn)的雨點(diǎn)和煙霧這三種惡劣環(huán)境下的退化視頻/圖像復(fù)原方法進(jìn)行研究,主要工作如下:（1）考慮到干凈的高光譜數(shù)據(jù)具有低秩特性,且不同的譜帶圖像間存在著差異,本文提出了一種基于譜空一致性正則化的張量恢復(fù)方法來(lái)移除條帶噪聲。然后,本文使用收斂的多模塊交替方向乘子法（ADMM）來(lái)解決該算法模型。最后通過(guò)實(shí)驗(yàn)結(jié)果來(lái)驗(yàn)證本章算法的有效性,且實(shí)驗(yàn)結(jié)果表明,本文的算法在客觀(guān)和主觀(guān)評(píng)價(jià)上都取得了較好的結(jié)果。（2）本文從雨點(diǎn)的光滑、稀疏性以及視頻的低秩特性和局部、全局一致性出發(fā)對(duì)已有的傳統(tǒng)算法進(jìn)行優(yōu)化改進(jìn)�？紤]到風(fēng)的影響,導(dǎo)致雨與水平方向成一定的傾斜角,再加入旋轉(zhuǎn)算子,來(lái)... 

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
專(zhuān)用術(shù)語(yǔ)注釋表
第一章 緒論
    1.1 課題的背景及意義
    1.2 圖像恢復(fù)算法研究現(xiàn)狀
    1.3 視頻恢復(fù)算法研究現(xiàn)狀
    1.4 主要研究?jī)?nèi)容及章節(jié)安排
        1.4.1 主要工作
        1.4.2 章節(jié)安排
第二章 圖像/視頻恢復(fù)基礎(chǔ)知識(shí)
    2.1 張量分析
        2.1.1 張量的基本知識(shí)
        2.1.2 張量的展開(kāi)
        2.1.3 張量的基本代數(shù)運(yùn)算
        2.1.4 張量的Tucker分解
    2.2 交替方向乘子法
    2.3 本章小結(jié)
第三章 基于張量恢復(fù)的高光譜圖像的條帶去除方法研究
    3.1 引言
        3.1.1 高光譜圖像成像原理
        3.1.2 條帶噪聲
    3.2 基于譜空連續(xù)性的高光譜圖像條帶去除方法
        3.2.1 高光譜圖像恢復(fù)模型構(gòu)建
        3.2.2 優(yōu)化算法
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 圖像客觀(guān)評(píng)價(jià)標(biāo)準(zhǔn)
        3.3.2 結(jié)果展示與分析
    3.4 本章小結(jié)
第四章 基于低秩張量恢復(fù)的視頻去雨方法研究
    4.1 引言
        4.1.1 先驗(yàn)及正則化
        4.1.2 張量迭代加權(quán)核范數(shù)
        4.1.3 旋轉(zhuǎn)算子
    4.2 基于自適應(yīng)低秩張量恢復(fù)視頻去雨方法
        4.2.1 視頻去雨模型構(gòu)建
        4.2.2 優(yōu)化算法
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 真實(shí)數(shù)據(jù)
        4.3.2 仿真數(shù)據(jù)
    4.4 本章小結(jié)
第五章 基于張量恢復(fù)的視頻煙霧去除方法研究
    5.1 引言
        5.1.1 去霧算法
        5.1.2 煙霧的特征
    5.2 基于空時(shí)一致性的視頻煙霧去除方法
        5.2.1 視頻去煙模型構(gòu)建
        5.2.2 優(yōu)化算法
    5.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文內(nèi)容總結(jié)
    6.2 工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫(xiě)的論文
附錄2 攻讀碩士學(xué)位期間申請(qǐng)的專(zhuān)利
附錄3 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于小波融合的視頻圖像去雨(雪)方法[J]. 王志超,陳震.  北華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[2]基于傅里葉變換的HY-1B衛(wèi)星影像條帶噪聲去除[J]. 楊雪,馬駿,賴(lài)積保,王靜,王楠,劉丹.  航天返回與遙感. 2012(01)
[3]基于物理模型的快速單幅圖像去霧方法[J]. 禹晶,李大鵬,廖慶敏.  自動(dòng)化學(xué)報(bào). 2011(02)
[4]基于粗集均值濾波的Hyperion高光譜數(shù)據(jù)濾噪方法[J]. 王芳,卓莉,李繼紅.  地理與地理信息科學(xué). 2006(06)
[5]基于小波變換的固體火箭發(fā)動(dòng)機(jī)地面試驗(yàn)圖像的煙霧去除方法[J]. 程建,楊杰.  系統(tǒng)仿真學(xué)報(bào). 2004(11)
[6]基于光譜信息的遙感圖像空間域自適應(yīng)濾波[J]. 吳傳慶,趙永超,童慶禧,鄭蘭芬.  遙感學(xué)報(bào). 2004(01)



本文編號(hào)：3705474