【摘要】：在編碼衍射成像系統(tǒng)中,僅依靠多個編碼衍射圖案就可以重構(gòu)出較高質(zhì)量的圖像。但在編碼衍射圖案較少并且受噪聲污染的情況下,卻很難重構(gòu)出較高質(zhì)量的圖像。為了解決此問題,該文利用即插即用先驗(yàn)?zāi)Ｐ团c神經(jīng)網(wǎng)絡(luò)來提高重構(gòu)圖像的質(zhì)量。具體研究內(nèi)容如下:首先,鑒于圖像先驗(yàn)對解決圖像反問題具有極其重要的作用,該文利用非局部均值(Non-Local Means,NLM)去噪算子將豐富的圖像先驗(yàn)引入到編碼衍射成像模型中,來提高重構(gòu)圖像的質(zhì)量,并由此提出了基于即插即用先驗(yàn)的編碼衍射成像算法。實(shí)驗(yàn)結(jié)果表明,該算法僅利用較少的編碼衍射圖案,就能夠重構(gòu)出較高質(zhì)量的圖像,并且對高斯噪聲具有魯棒性。其次,提出了基于去噪網(wǎng)絡(luò)鄰近算子的編碼衍射成像算法。由于卷積神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)到圖像更豐富的先驗(yàn),為了獲得質(zhì)量較高的重構(gòu)圖像,該文將訓(xùn)練好的卷積去噪網(wǎng)絡(luò)以鄰近算子的形式融入到鄰近梯度優(yōu)化方法框架中,對編碼衍射成像問題模型進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明,該算法不僅可以重構(gòu)出較高質(zhì)量的圖像,并且對高斯噪聲與泊松噪聲都具有魯棒性。最后,利用即插即用先驗(yàn)?zāi)Ｐ团c深層神經(jīng)網(wǎng)絡(luò)共同來提高重構(gòu)圖像的質(zhì)量,并由此提出了基于即插即用先驗(yàn)與鄰近梯度神經(jīng)網(wǎng)絡(luò)的編碼衍射成像算法。在該算法中將編碼衍射成像過程分為兩步,首先利用三維塊匹配協(xié)同濾波(Block-matching and3D filtering,BM3D)去噪算子構(gòu)造基于即插即用先驗(yàn)的編碼衍射成像模型,依靠BM3D去噪算法引入的豐富圖像先驗(yàn)提升重構(gòu)圖像的質(zhì)量。然后將該過程的重構(gòu)圖像作為初步估計(jì),并利用由殘差網(wǎng)絡(luò)結(jié)構(gòu)與鄰近梯度優(yōu)化方法框架搭建的鄰近梯度神經(jīng)網(wǎng)絡(luò),對初步估計(jì)圖像的質(zhì)量進(jìn)行進(jìn)一步的提升。實(shí)驗(yàn)結(jié)果表明該算法不僅可以重構(gòu)出高質(zhì)量的圖像,并且對高斯噪聲具有魯棒性。
【圖文】：

圖像作為信息傳遞的主要載體之一，是人類日常生活和工業(yè)生產(chǎn)必不可缺近幾年隨著圖像處理技術(shù)的不斷開拓與創(chuàng)新，，學(xué)者們提出了大量的優(yōu)秀理泛的應(yīng)用在實(shí)踐中。這些先進(jìn)的技術(shù)，使圖像在視覺效果、重構(gòu)質(zhì)量和處方面得到了很大提升。圖像處理技術(shù)的飛速發(fā)展給人類社會進(jìn)步做出了巨，同時也催促著人類對更高新技術(shù)的追求。圖像相位恢復(fù)技術(shù)作為圖像處的部分，它的研究對人類的生產(chǎn)與生活有著極其重要的意義。圖像在頻域中包含幅值信息和相位信息兩部分，實(shí)際采集時，由于可見光高，現(xiàn)有的光學(xué)儀器很難獲取圖像的相位分布信息，只能對圖像的光場強(qiáng)幅值信息進(jìn)行記錄。但是圖像的相位信息中蘊(yùn)含著整幅圖像大約 75%的信主導(dǎo)性，一旦缺失，圖像將無法表達(dá)所要傳遞的信息。為了能更加直觀的信息的重要性，在圖 1-1 中展示了，將空域中的 Barbara 圖像與 Mandril 圖里葉變換，然后在頻域中交換這兩幅圖像的相位，最后將交換相位后的頻回空域。

第 2 章 相位恢復(fù)與卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 獲得 'kg x,y 后，用已知輸入面振幅 g x,y 替換 'kg x,y 中時，令 '1, ,k k x y x y ，獲得 k1g x,y 。該過程可描述為 1 1,k kg x,y g x,y exp iθ x y 繼續(xù)執(zhí)行步驟 2 步，直到滿足截止條件為止。展示了 GS 算法的具體流程。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 劉亞新;趙瑞珍;胡紹海;姜春暉;;用于壓縮感知信號重建的正則化自適應(yīng)匹配追蹤算法[J];電子與信息學(xué)報;2010年11期

2 張世富;;用傅里葉變換分析圓孔夫瑯和費(fèi)衍射[J];電子科技大學(xué)學(xué)報;2006年06期

本文編號：2696805