高维图像处理问题的张量建模与高效计算

发布时间：2021-01-20 22:19

　　高维图像数据包括视频、高光谱图像和磁共振图像等,在现实应用中扮演着重要角色,但由于成像环境、成像设备以及传输条件限制,在实际应用中常常面临很多高维图像的反问题,即需要由观测的退化数据根据退化过程反解出干净的高质量的高维图像数据。本文主要研究张量完备化问题、遥感高光谱图像去混合噪声问题和视频去除雨线问题,解决这些问题在高维图像压缩传输、户外计算机视觉智能系统和遥感应用等领域具有重要的实用价值。本文主要从获取的高维图像数据中挖掘其内在结构的先验知识,即全局低秩性、局部连续性以及非局部自相似性,同时采用合适的扰动项建模策略,建立张量正则化优化模型,并针对具体张量模型设计高效的优化算法求解。本文研究工作主要分为如下四个方面:一、基于高维图像数据中广泛存在的全局低秩性和局部分段光滑性,提出一个张量完备化模型。在模型中,对张量的每个维度展开的矩阵采用低秩矩阵分解来增强数据整体的低秩性质,同时通过约束因子矩阵在小波紧框架的系数的稀疏性,来增强张量数据的空间维度上的分段光滑性。为了高效地求解提出的模型,设计了一个交替的非精确块坐标下降算法,并证明了提出的算法符合块逐次上界极小化框架,其收敛性具有理论保... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：127 页

【学位级别】：博士

【部分图文】：

不同的方法在添加了混合噪声2的WashitonDCMall数据上的实验结果(a)干净的WashitonDCMall数据在第31个波段的图像；(b)添加了混合(k)(l)(m)(n)(o)

结果的局部放大。察红色虚线圈中的区域不难发现，提出的方法完全地移除了条带噪声，而其他方法的结果中都残留有一些剩余的影响。从图3-9(j)中可以看出，地36个波段受到了多种降质影响，图像信息被破严重破坏，而同样地，提出的方法的去噪结果在视51

(g) (h) (i)图3-10不同的方法在真实数据HYDICE Urban的实验结果(a)HYDICE Urban数据在第151个波段的图像；(b)方法BM4D在第151个波段的恢复结果(c)方法TDL在第151个波段的恢复结果；(d)方法SSTV在第151个波段的恢复结果；(e)方法LRRSDS在第151个波段的恢复结果；(f)方法LRMR在第151个波段的恢复结果；(g)方法NMoG在第151个波段的恢复结果；(h)方法LLRGTV在第151个波段的恢复结果；(i)提出的方法在第151个波段的恢复结果。现了快速震荡，而在图3-11中，方法LRRSDS、方法NMoG和提出的方法果则更加平滑。54

【参考文献】：
博士论文
[1]基于张量分解的高维图像处理的建模与算法研究[D]. 冀腾宇.电子科技大学 2018
[2]图像处理反问题的稀疏优化模型与算法研究[D]. 马天咴.电子科技大学 2017



本文编号：2989890