圖像是人類日常生活中接收和傳遞信息不可或缺的重要載體之一。具體成像時(shí),由于多種因素的影響可能會(huì)造成圖像質(zhì)量下降,生成模糊圖像。本文研究的圖像去模糊技術(shù)的任務(wù)就是從模糊圖像中恢復(fù)清晰圖像。目前,該技術(shù)廣泛應(yīng)用于軍事、安全監(jiān)控、交通、天文等領(lǐng)域。本文以文本類模糊圖像作為研究對(duì)象,在最大后驗(yàn)概率估計(jì)和神經(jīng)網(wǎng)絡(luò)的理論框架下,提出了全新的文本類圖像盲去模糊算法。主要工作和成果如下:1、針對(duì)實(shí)驗(yàn)發(fā)現(xiàn)的文本類圖像特殊先驗(yàn),本文在邊緣感知理論指導(dǎo)下,結(jié)合圖像梯度L0范數(shù)稀疏模型和相對(duì)總變分(RTV,Relative Total Variation)模型,提出新的圖像盲去模糊算法—L0-RTV。該模型在L0范數(shù)提取顯著性圖像邊緣的同時(shí),利用RTV項(xiàng)對(duì)紋理和邊緣的精確區(qū)分防止弱邊緣的丟失,從而提高模糊核估計(jì)的精度,使得去模糊圖像更加真實(shí)、自然。為了評(píng)價(jià)本文的算法性能,將本文提出的L0-RTV模型與當(dāng)前最具有代表性的幾類盲去模糊算法分別在合成和真實(shí)的文本類圖像實(shí)驗(yàn)集上進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明,本文所提模型能夠估計(jì)出精確的模糊核,恢復(fù)的文本圖像自然,且該算法魯棒性好。2、本文在嘗試?yán)矛F(xiàn)有深度學(xué)習(xí)網(wǎng)絡(luò)模型處理模...

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

本文編號(hào)：3881731