泊松噪声下的模糊图像恢复研究

发布时间：2021-04-05 23:45

　　图像恢复是图像处理领域中重要的研究方向,其主要研究目标是从受损的图像中恢复出清晰图像。本文主要是针对泊松噪声下的模糊图像进行恢复研究。首先根据贝叶斯原理和最大后验概率对泊松噪声模型进行变换,然后充分利用稀疏域的稀疏特性对信号进行稀疏表示,并对问题建立优化模型并求解,最后实现了对泊松噪声下的模糊图像的有效恢复。主要研究工作包括以下内容:1.在已知模糊的先验信息下对泊松噪声下的模糊图像进行恢复研究,提出了由两种不同的稀疏域构造的恢复模型。为了充分地利用稀疏表示对图像进行有效的恢复,首先利用组稀疏自适应字典的稀疏性对图像进行稀疏表示,并联合1-范数作为正则化项建立优化模型。为了更有效地对优化问题进行求解,特引入交替方向乘子法（alternating direction method of multipliers,ADMM）获取优化模型的稀疏解。另外,为了减少自适应字典运算的复杂度,本文又探索利用紧小波框架系统对图像的先验信息进行稀疏表示并联合1-范数构造优化方程,再利用ADMM算法对优化问题进行交替求解。提出的两种算法均能对泊松噪声下的模糊图像进行有效的恢复。2.对泊松噪声下的模糊图像进行盲... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

不同算法对高斯模糊下的噪声图像恢复效果

重庆邮电大学硕士学位论文第4章泊松噪声下的图像盲去模糊564.4.2真实图像的恢复效果与分析在本节中，将考虑两种真实场景下的退化图像，分别是由运动模糊占主导的无人机拍摄的图像和在低光照图像中以泊松噪声为主要退化因子的退化图像[57]。在第一种情况下，图4.9提供了由大疆无人机DJIPHANTOM3拍摄的真实图像，其中DJIPHANTOM3在繁忙的道路上进行操作。由于运动中的汽车和无人机之间存在相对运动，因此捕获的图像是模糊的并且带有一部分噪声。(a)(b)图4.9无人机拍摄的真实图像(a)原图(b)PIDAL-TV(c)1(d)OGS-ADMM(e)GSB-ADMM(f)TWB-ADMM图4.10不同算法对无人机拍摄的图像恢复效果对比

重庆邮电大学硕士学位论文第4章泊松噪声下的图像盲去模糊564.4.2真实图像的恢复效果与分析在本节中，将考虑两种真实场景下的退化图像，分别是由运动模糊占主导的无人机拍摄的图像和在低光照图像中以泊松噪声为主要退化因子的退化图像[57]。在第一种情况下，图4.9提供了由大疆无人机DJIPHANTOM3拍摄的真实图像，其中DJIPHANTOM3在繁忙的道路上进行操作。由于运动中的汽车和无人机之间存在相对运动，因此捕获的图像是模糊的并且带有一部分噪声。(a)(b)图4.9无人机拍摄的真实图像(a)原图(b)PIDAL-TV(c)1(d)OGS-ADMM(e)GSB-ADMM(f)TWB-ADMM图4.10不同算法对无人机拍摄的图像恢复效果对比

【参考文献】：
博士论文
[1]基于小波框架的非凸极小化图像恢复方法[D]. 刘晶晶.中国工程物理研究院 2019

硕士论文
[1]图像泊松去噪算法研究[D]. 张芳.杭州电子科技大学 2017



本文编号：3120329