基于显著性图像边缘联合稀疏表示的图像恢复方法研究
发布时间：2021-11-09 22:26
图像采集过程中拍摄设备的轻微抖动或者与目标之间发生相对位移极易造成运动模糊,模糊图像的纹理特征容易被忽略或者描述不准确,为实际应用与科学研究带来一定的困难。现有的图像采集设备有一定的抗模糊性能,但对于尺度较大的运动模糊效果并不明显,图像去模糊成为近年来图像处理与计算机视觉领域内的热点问题。为了更好的降低噪声影响,保持复原图像的纹理细节,本文主要研究基于显著性边缘联合稀疏表示的图像复原。论文主要研究工作如下:1.提出了一种保持图像纹理细节的显著性边缘提取算法。传统的边缘提取方法在抑制噪声时容易破坏细小的图像纹理。本文采用多分辨率分层细化的方式,首先提取边缘误差较小的低分辨率模糊图像的边缘。在边缘提取过程中,通过自适应掩模算子区分模糊图像的平坦区域与纹理细节区域,并借助数值约束抑制噪声干扰、梯度约束增强图像梯度,在抑制噪声的同时提取图像边缘。实验表明,本文提出的边缘检测方法能够抑制图像噪声,保持图像纹理细节。2.提出了一种适于结构保持的模糊核估计方法。阈值截断的噪声去除方法容易导致模糊核估计结果出现阶梯效应。通过引入梯度连续性约束,确保在滤除噪声点的同时能够有效保持模糊核连续性的结构特征。...
【文章来源】：苏州科技大学江苏省
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究意义
1.2 国内外研究现状
1.2.1 非盲去卷积
1.2.2 盲去卷积
1.3 本文主要研究工作
1.4 本文的内容安排
第二章 运动模糊理论基础
2.1 运动模糊的退化模型
2.2 运动模糊恢复的常用先验知识
2.2.1 自然图像的先验知识
2.2.2 模糊核的先验知识
2.3 图像去模糊相关理论方法
2.3.1 图像复原相关方法
2.3.2 模糊核估计相关方法
2.4 本章小结
第三章 显著性边缘检测
3.1 引言
3.2 基于Ada Boost的边缘检测算法
3.2.1 创建训练数据样本
3.2.2 选择图像特征
3.2.3 基于Adaboost的分类器训练
3.2.4 实验结果与分析
3.3 自适应增强图像纹理的边缘检测算法
3.3.1 算法流程
3.3.2 自适应增强图像纹理的边缘检测算子的构造
3.3.3 实验结果与分析
3.4 Ada Boost算子与自适应增强图像纹理边缘提取算子实验比较
3.5 模糊图像边缘提取实验比较
3.6 本章小结
第四章 基于显著性边缘联合稀疏表示的图像复原
4.1 引言
4.2 算法框架
4.3 多分辨率分层细化的边缘提取策略
4.4 保持模糊核结构的模糊核估计
4.5 联合稀疏表示的清晰图像估计方法
4.5.1 清晰图像的稀疏表示
4.5.2 字典训练
4.6 实验与分析
4.7 本章小结
第五章 实验结果与评价
5.1 评价准则
5.2 噪声下的运动模糊去除
5.3 不同尺度下的运动模糊去除
5.4 其它环境下的复原结果
5.5 本章小结
第六章 总结与展望
6.1 工作总结
6.2 后续研究工作展望
参考文献
图表目录
致谢
附录
A 攻读硕士学位期间发表及录用的论文目录
B 攻读硕士学位期间申请的相关知识产权
C 攻读硕士学位期间参加的科研项目
D 攻读硕士学位期间获得的奖项
作者简历
【参考文献】：
期刊论文
[1]基于直觉模糊云模型的TOPSIS多属性决策方法[J]. 袁华,刘文怡,王肖霞. 计算机工程与科学. 2017(03)
[2]基于张量总变分的模糊图像盲复原[J]. 刘洪,刘本永. 计算机应用. 2016(11)
[3]基于结构组稀疏表示的遥感图像融合[J]. 张晓,薛月菊,涂淑琴,胡月明,宁晓锋. 中国图象图形学报. 2016(08)
[4]凹凸范数比值正则化的快速图像盲去模糊[J]. 余义斌,彭念,甘俊英. 电子学报. 2016(05)
[5]基于分类学习的去雾后图像质量评价算法[J]. 南栋,毕笃彦,马时平,凡遵林,何林远. 自动化学报. 2016(02)
[6]基于梯度L0稀疏正则化的图像盲去模糊算法[J]. 朱骋,周越. 中国体视学与图像分析. 2015(04)
[7]基于Hessian核范数正则化的快速图像复原算法[J]. 刘鹏飞,肖亮. 电子学报. 2015(10)
[8]一种仿生物视觉感知的视频轮廓检测方法[J]. 谢昭,童昊浩,孙永宣,吴克伟. 自动化学报. 2015(10)
[9]一种基于暗通道先验的快速图像去雾算法[J]. 张登银,鞠铭烨,王雪梅. 电子学报. 2015(07)
[10]边缘结构保持的加权BDTV全光场图像超分辨率重建[J]. 张旭东,李梦娜,张骏,胡良梅,王一. 中国图象图形学报. 2015(06)
本文编号：3486010
【文章来源】：苏州科技大学江苏省
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究意义
1.2 国内外研究现状
1.2.1 非盲去卷积
1.2.2 盲去卷积
1.3 本文主要研究工作
1.4 本文的内容安排
第二章 运动模糊理论基础
2.1 运动模糊的退化模型
2.2 运动模糊恢复的常用先验知识
2.2.1 自然图像的先验知识
2.2.2 模糊核的先验知识
2.3 图像去模糊相关理论方法
2.3.1 图像复原相关方法
2.3.2 模糊核估计相关方法
2.4 本章小结
第三章 显著性边缘检测
3.1 引言
3.2 基于Ada Boost的边缘检测算法
3.2.1 创建训练数据样本
3.2.2 选择图像特征
3.2.3 基于Adaboost的分类器训练
3.2.4 实验结果与分析
3.3 自适应增强图像纹理的边缘检测算法
3.3.1 算法流程
3.3.2 自适应增强图像纹理的边缘检测算子的构造
3.3.3 实验结果与分析
3.4 Ada Boost算子与自适应增强图像纹理边缘提取算子实验比较
3.5 模糊图像边缘提取实验比较
3.6 本章小结
第四章 基于显著性边缘联合稀疏表示的图像复原
4.1 引言
4.2 算法框架
4.3 多分辨率分层细化的边缘提取策略
4.4 保持模糊核结构的模糊核估计
4.5 联合稀疏表示的清晰图像估计方法
4.5.1 清晰图像的稀疏表示
4.5.2 字典训练
4.6 实验与分析
4.7 本章小结
第五章 实验结果与评价
5.1 评价准则
5.2 噪声下的运动模糊去除
5.3 不同尺度下的运动模糊去除
5.4 其它环境下的复原结果
5.5 本章小结
第六章 总结与展望
6.1 工作总结
6.2 后续研究工作展望
参考文献
图表目录
致谢
附录
A 攻读硕士学位期间发表及录用的论文目录
B 攻读硕士学位期间申请的相关知识产权
C 攻读硕士学位期间参加的科研项目
D 攻读硕士学位期间获得的奖项
作者简历
【参考文献】：
期刊论文
[1]基于直觉模糊云模型的TOPSIS多属性决策方法[J]. 袁华,刘文怡,王肖霞. 计算机工程与科学. 2017(03)
[2]基于张量总变分的模糊图像盲复原[J]. 刘洪,刘本永. 计算机应用. 2016(11)
[3]基于结构组稀疏表示的遥感图像融合[J]. 张晓,薛月菊,涂淑琴,胡月明,宁晓锋. 中国图象图形学报. 2016(08)
[4]凹凸范数比值正则化的快速图像盲去模糊[J]. 余义斌,彭念,甘俊英. 电子学报. 2016(05)
[5]基于分类学习的去雾后图像质量评价算法[J]. 南栋,毕笃彦,马时平,凡遵林,何林远. 自动化学报. 2016(02)
[6]基于梯度L0稀疏正则化的图像盲去模糊算法[J]. 朱骋,周越. 中国体视学与图像分析. 2015(04)
[7]基于Hessian核范数正则化的快速图像复原算法[J]. 刘鹏飞,肖亮. 电子学报. 2015(10)
[8]一种仿生物视觉感知的视频轮廓检测方法[J]. 谢昭,童昊浩,孙永宣,吴克伟. 自动化学报. 2015(10)
[9]一种基于暗通道先验的快速图像去雾算法[J]. 张登银,鞠铭烨,王雪梅. 电子学报. 2015(07)
[10]边缘结构保持的加权BDTV全光场图像超分辨率重建[J]. 张旭东,李梦娜,张骏,胡良梅,王一. 中国图象图形学报. 2015(06)
本文编号：3486010
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3486010.html
