圖像復(fù)原問題中的正則化方法已經(jīng)成為越來越流行的方法,在模型中如何選擇一個(gè)有效的正則項(xiàng)是問題的關(guān)鍵.在過去的幾十年中,一種基于全變分(TV)的正則化方法已被用于許多圖像處理問題.盡管它具有較好的保邊能力,但由于在計(jì)算時(shí)僅考慮水平和豎直方向的差分,所以并不能有效描述圖像的局部特征.通過引入旋轉(zhuǎn)矩陣和加權(quán)矩陣對(duì)差分算子進(jìn)行旋轉(zhuǎn)和加權(quán),學(xué)者們提出了方向全變分(DTV)模型.然而該類模型中的方向角是固定的,因此依舊不能有效復(fù)原多結(jié)構(gòu)圖像.基于此,本文提出新的方向全變分(DTV)模型,并利用有效的數(shù)值方法求解.其主要內(nèi)容如下:·為了更加有效地描述圖像的局部結(jié)構(gòu),且使復(fù)原效果更加具有魯棒性,本文基于方向全變分模型提出一種自適應(yīng)方向全變分(ADTV)模型,其中梯度算子通過耦合旋轉(zhuǎn)算子和加權(quán)算子來有效地描述圖像的局部結(jié)構(gòu).旋轉(zhuǎn)算子中使用的自適應(yīng)角度θ(f)是利用方向場(chǎng)估計(jì)(OFE)來獲取的,它主要取決于一個(gè)鄰域內(nèi)像素的平均相位角.·在自適應(yīng)方向全變分(ADTV)模型的基礎(chǔ)上對(duì)模型正則項(xiàng)做進(jìn)一步改進(jìn),即:基于非凸lp-擬模項(xiàng)作為正則項(xiàng)提出一種具有魯棒性的結(jié)構(gòu)自適應(yīng)全變分型圖像去噪模型(ADTVP).·由于所...

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    §1.1 引言
    §1.2 圖像去噪的方法綜述與現(xiàn)狀
    §1.3 本文的主要研究內(nèi)容與結(jié)構(gòu)安排
    §1.4 符號(hào)說明
第二章 圖像去噪的相關(guān)理論知識(shí)
    §2.1 基本概念
    §2.2 l²-l^p問題
    §2.3 數(shù)值方法
    §2.4 基本的圖像去噪模型
第三章 基于TV的方向自適應(yīng)去噪模型
    §3.1 模型導(dǎo)入
    §3.2 模型求解與收斂性分析
    §3.3 實(shí)驗(yàn)設(shè)置與結(jié)果分析
第四章 基于TV^p的結(jié)構(gòu)自適應(yīng)去噪模型
    §4.1 模型導(dǎo)入
    §4.2 算法與收斂性分析
    §4.3 參數(shù)估計(jì)與數(shù)值實(shí)驗(yàn)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間撰寫的學(xué)術(shù)論文



本文編號(hào)：4049821