全变分型低秩正则化的椒盐噪声去除问题研究

发布时间：2021-04-15 18:27

　　图像去噪在图像处理过程中起着举足轻重的作用,作为一种重要的预处理技术,好的去噪效果直接决定后续工作的有效性.近年来,以全变分作为先验信息进行图像去噪的方法得到了广泛的研究.然而,这种先验信息不足以从不完全观测数据中恢复出令人满意的复原图像,从而导致复原图像达不到后续处理的要求.在众多去噪问题中,椒盐噪声去除问题是一个重要的研究课题.针对该类噪声的去除,本文主要创新如下:·针对现有去噪模型不能很好地刻画图像的局部特征这一问题,本文提出一种新型的基于各向异性全变分和核范数正则化的去噪模型.在全变分正则化项中,通过引入加权矩阵T来惩罚梯度算子的方向,使其趋于更大的权重,从而达到有效刻画图像局部特征的目的.另外,在模型中通过引入核范数正则化来进一步刻画图像的低秩属性.·考虑到图像矩阵奇异值与噪声强度之间的关系以及高阶全变分能够有效地消除阶梯效应这一特点,本文提出一种新的基于高阶全变分和核范数正则化的去噪模型.该模型不仅具有高阶全变分模型保持图像平滑区域的优势,同时具有低秩表示模型刻画图像细节信息的性能,因此能有效地保持复原图像的细节信息和结构信息.·由于所提模型是具有可分性的非光滑凸优化问题,... 

【文章来源】：河南大学河南省

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    §1.1 研究背景
    §1.2 图像去椒盐噪声的方法综述与现状
    §1.3 本文工作研究与结构安排
第二章 基于图像去噪的理论知识
    §2.1 预备知识
    §2.2 基本去椒盐噪声的模型
    §2.3 优化算法
第三章 基于各向异性全变分和核范数正则化的去噪模型
    §3.1 模型导入
    §3.2 求解算法与收敛性分析
    §3.3 实验设置
    §3.4 实验结果与分析
第四章 基于高阶全变分和核范数正则化的去噪模型
    §4.1 模型导入
    §4.2 求解算法与收敛性分析
    §4.3 实验设置
    §4.4 实验结果与分析
第五章 总结与展望
参考文献
致谢
攻读硕士学位期间撰写的学术论文
攻读硕士学位期间科研项目及获奖情况



本文编号：3139862