本文關鍵詞：基于正則化方法的圖像復原算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像偵查是公安機關各類案件偵破處理過程中搜集證據(jù)、提取線索的重要手段,隨著平安城市建設的深入發(fā)展和視頻監(jiān)控網(wǎng)絡的不斷規(guī)�；�,海量的視頻圖像等信息資源被方便快捷的獲取。然而圖像在采集傳輸?shù)倪^程中,受到了設備、環(huán)境、人為等因素的影響,獲得的圖像質(zhì)量參差不齊,其中模糊圖像占據(jù)了圖像和視頻資料的很大比例。公安辦案人員無法從模糊的視頻圖像中判別案發(fā)現(xiàn)場細節(jié),如犯罪嫌疑人面部特征的辨認,肇事車輛車牌號碼的辨識等,從而影響了辦案人員的判案斷案,模糊的視頻圖像同樣也無法成為日后法庭定案的現(xiàn)場取證資料。從模糊的圖像中恢復出清晰的、高質(zhì)量的圖像,協(xié)助公安人員的判案斷案,服務于公共治安防控、案件偵破、情報研判等警務工作,是公安研究領域一個亟需解決的重要問題。因此,本文圍繞各種形式的模糊圖像復原問題展開了深入的研究,綜合理論分析、模型建立、算法設計以及實驗驗證等多個方面來解決相關問題,主要工作及創(chuàng)新點如下:第一,加性噪聲污染圖像的去噪方法研究。針對圖像在采集、傳輸及存儲過程中受到噪聲干擾而降質(zhì)的問題,本文提出了兩種結合變換域估計和空域平滑的去噪算法�；谛碌亩喑叨茸儞Q工具金字塔對偶樹方向濾波器組(PDTDFB)具有方向選擇性、低冗余度、分解靈活且完全重構等良好的特性,同時充分利用PDTDFB系數(shù)間的相關性,提出了兩種PDTDFB域圖像統(tǒng)計去噪模型:基于貝葉斯最小二乘法的PDTDFB域高斯尺度混合模型和基于最大后驗估計的PDTDFB域多變量收縮模型。進一步在空域結合非局部均值濾波消除PDTDFB域去噪后的劃痕效應,獲得更高質(zhì)量的視覺效果和客觀評價。不同污染程度的噪聲圖像復原實驗表明了本文所提出兩種方法的有效性。第二,已知點擴展函數(shù)模糊圖像的非盲復原方法研究。在空間移不變點擴展函數(shù)已知的條件下,本文提出了一種基于空間-變換域上聯(lián)合權重各向異性總變分(WATV)正則化和剪切波(Shearlet)稀疏表示的圖像復原模型�？臻g域的WATV增強了對圖像邊緣的保護,克服了傳統(tǒng)總變分的階梯效應。Shearlet變換對圖像的稀疏表示能夠最優(yōu)地刻畫紋理和細節(jié)特征。將兩者聯(lián)合所得的復合模型嵌入到正則化框架下,構造出新的非凸目標函數(shù)。針對該函數(shù)的求解,提出了一個基于多變量迭代最小化的分裂布雷格曼(splitbregman)算法,將原始目標函數(shù)的優(yōu)化問題解耦為幾個簡單的子問題進行交替迭代地求解,且每個子問題都存在閉式解。通過運動、高斯和均值點擴展函數(shù)卷積且疊加噪聲產(chǎn)生的三類模糊圖像的復原實驗,驗證提出方法的有效性和魯棒性。第三,全局運動模糊圖像的盲復原方法研究。針對成像設備與目標場景間相對運動所產(chǎn)生的單張圖像全局運動模糊,本文提出一種基于0范數(shù)多正則化的兩步驟圖像盲復原算法。點擴展函數(shù)估計階段,利用0范數(shù)具有大邊緣保持和小邊緣抑制的優(yōu)勢來刻畫自然圖像梯度的稀疏特性,同時在圖像梯度約束上增加一個自適應邊緣選擇權重函數(shù),增強對大邊緣的保持。為了保證點擴展函數(shù)的連續(xù)平滑性和稀疏性,減少點擴展函數(shù)中噪聲的影響,構造了一個結合0范數(shù)和2范數(shù)的點擴展函數(shù)約束正則項。將多個約束嵌入到正則化框架下,得到了基于0范數(shù)的點擴展函數(shù)估計復合模型。在交替最小化框架下,利用了分裂bregman算法和半二次分裂法則對提出的模型進行高效地數(shù)值求解,估計出準確的點擴展函數(shù)。圖像復原階段,提出了具有振鈴抑制功能的非盲復原方法實現(xiàn)最終的圖像復原。第四,局部運動模糊圖像的盲復原方法研究。針對成像設備固定,拍攝場景中的主要目標對象運動而導致的局部運動模糊,本文提出了基于模糊區(qū)域自動檢測、模糊區(qū)域分割、以及圖像合成修補多步驟處理流程的局部運動模糊圖像復原方法。提出的方法首先將局部模糊圖像分塊,計算塊的奇異值分解模糊指標,依據(jù)指標范圍區(qū)分出圖像的模糊區(qū)域和清晰區(qū)域;接下來根據(jù)檢測結果利用數(shù)字摳圖技術的closed-formmatting算法計算圖像的alpha通道圖,根據(jù)alpha通道圖將原圖分割為僅包含模糊區(qū)域和僅包含清晰區(qū)域的兩張圖像;進而利用本文提出的全局運動模糊圖像盲復原算法復原模糊圖像,并將復原后的圖像與分割所得的清晰圖像合成及修補,得到最終的復原結果。最后,為了將本文所提出的多個算法應用到實際問題的解決中,對自然環(huán)境下采集的模糊圖像進行了復原實驗。實驗結果證明了本文所研究算法的有效性和實用性,能夠為公安機關的圖像偵查工作中的模糊圖像復原提供了理論基礎和技術支撐。
【關鍵詞】：圖像去噪 圖像非盲復原 圖像盲復原 運動模糊 正則化
【學位授予單位】：上海大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要6-9
• ABSTRACT9-16
• 第一章 緒論16-38
• 1.1 研究背景及意義16-22
• 1.2 圖像復原問題的研究現(xiàn)狀22-30
• 1.2.1 圖像去噪23-26
• 1.2.2 圖像去模糊26-30
• 1.3 圖像復原技術研究中所存在的問題30-32
• 1.4 本文主要研究內(nèi)容32-34
• 1.5 論文章節(jié)安排34-38
• 第二章 圖像復原的基本理論與方法38-60
• 2.1 圖像降質(zhì)模型研究38-46
• 2.1.1 噪聲降質(zhì)模型39-42
• 2.1.2 模糊降質(zhì)模型42-46
• 2.2 經(jīng)典圖像復原方法46-49
• 2.3 正則化圖像復原方法49-56
• 2.4 統(tǒng)計推斷的圖像復原方法（貝葉斯圖像復原方法）56-57
• 2.5 圖像復原質(zhì)量的評價標準57-59
• 2.6 本章小結59-60
• 第三章 結合PDTDFB變換域估計和空域平滑的噪聲降質(zhì)圖像復原60-84
• 3.1 引言60-62
• 3.2 多尺度變換域PDTDFB基本理論62-64
• 3.3 兩種PDTDFB變換域去噪模型的提出64-72
• 3.3.1 提出的模型一：PDTDFB域高斯尺度混合模型64-67
• 3.3.2 提出的模型二：PDTDFB域多變量收縮模型67-72
• 3.4 兩種結合PDTDFB變換域估計和空域濾波的去噪算法72-75
• 3.4.1 非局部均值濾波72-73
• 3.4.2 兩種去噪算法的流程73-75
• 3.5 實驗結果75-82
• 3.5.1 實驗說明75
• 3.5.2 結果比較和分析75-80
• 3.5.3 參數(shù)影響分析80-82
• 3.6 本章小結82-84
• 第四章 基于空間-變換域的聯(lián)合稀疏正則化模型的圖像非盲復原84-106
• 4.1 引言84-87
• 4.2 預備知識87-91
• 4.2.1 權重各向異性總變分WATV87-89
• 4.2.2 剪切波Shearlet基本理論89-91
• 4.3 聯(lián)合稀疏正則化模型的提出91-92
• 4.4 聯(lián)合稀疏正則化模型的優(yōu)化求解92-95
• 4.4.1 多變量的分裂Bregman迭代復原算法92-94
• 4.4.2 算法整體流程94-95
• 4.5 實驗結果95-105
• 4.5.1 實驗說明95-96
• 4.5.2 結果比較和分析96-103
• 4.5.3 參數(shù)影響分析103-104
• 4.5.4 算法時間性能比較104-105
• 4.6 本章小結105-106
• 第五章 快速的L0范數(shù)正則化兩步驟運動模糊圖像盲復原106-130
• 5.1 引言106-109
• 5.2 運動模糊圖像盲復原步驟一：點擴展函數(shù)估計109-115
• 5.2.1 基于L0范數(shù)多正則化約束模型的提出109-111
• 5.2.2 模型的優(yōu)化求解111-115
• 5.3 運動模糊圖像盲復原步驟二：最終圖像復原115-117
• 5.3.1 抑制振鈴效應的非盲復原115-116
• 5.3.2 整體算法流程描述116-117
• 5.4 實驗結果117-127
• 5.4.1 實驗說明117-119
• 5.4.2 結果比較與分析119-125
• 5.4.3 模糊核約束分析125-127
• 5.4.4 算法時間性能比較127
• 5.5 本章小結127-130
• 第六章 兩類運動模糊圖像的復原應用研究130-152
• 6.1 引言130-132
• 6.2 局部運動模糊圖像的復原132-146
• 6.2.1 模糊區(qū)域檢測132-137
• 6.2.2 模糊區(qū)域分割137-141
• 6.2.3 局部運動模糊圖像復原實驗141-144
• 6.2.4 算法流程描述144-146
• 6.3 實拍兩類運動模糊圖像的復原應用146-150
• 6.3.1 實拍局部運動模糊圖像的復原應用146-148
• 6.3.2 實拍全局運動模糊圖像的復原應用148-150
• 6.4 本章小結150-152
• 第七章 結論與展望152-158
• 7.1 全文工作總結152-153
• 7.2 論文的創(chuàng)新點153-154
• 7.3 未來工作展望154-158
• 參考文獻158-168
• 作者在攻讀博士學位期間發(fā)表的論文168-170
• 作者在攻讀博士學位期間的獲獎情況170-172
• 致謝172-174

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 高國榮;許錄平;馮冬竹;;利用非抽樣Shearlet域GSM模型進行圖像去噪[J];武漢大學學報(信息科學版);2013年07期

2 閆河;李剛;張小川;;復數(shù)Curvelet變換域復數(shù)高斯尺度混合圖像降噪[J];信息與控制;2009年06期

3 韓亮;李勇明;溫羅生;蒲秀娟;王星;;基于非下采樣Contourlet域高斯尺度混合模型的圖像降噪[J];光電子.激光;2009年08期

4 閆河;劉加伶;曾慶森;張小川;;復小波包域復數(shù)高斯尺度混合模型圖像降噪[J];光電子.激光;2009年08期

5 賈建;焦李成;項海林;;基于雙變量閾值的非下采樣Contourlet變換圖像去噪[J];電子與信息學報;2009年03期

6 汪雪林,韓華,彭思龍;基于小波域局部高斯模型的圖像復原[J];軟件學報;2004年03期

  本文關鍵詞：基于正則化方法的圖像復原算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：379135