基于稀疏表示的图像恢复方法研究

发布时间：2022-04-28 22:24

　　随着互联网技术的快速发展,图像作为承载社会信息的主要载体,数字图像的产生呈指数上升。然而,在采集、传输以及存储图像的过程中,常常受到设备以及环境的影响,导致图像存在大量的噪声及模糊等,这些现象对图像后续的研究工作带来了很大的影响。因此,图像恢复技术引起了大量学者的关注。图像恢复技术从数学角度看,是一个不适定的逆问题,它的基本思想是从降质的图像中恢复出原始图像。21世纪以来,数字信息大幅度增加,海量数据中存在的有效信息较少。针对这一现象,稀疏表示理论引起了广大学者的关注,基于稀疏表示的图像恢复技术得到了广泛的应用。本文以稀疏表示理论为基础,引入稀疏误差约束,从灰度图像去噪、彩色图像去噪和去模糊三个方面研究了基于稀疏表示的图像恢复算法。本文的主要工作包括:（1）在图像去噪过程中由于噪声的影响,无法学习到准确的先验知识,因此难以获取较优的稀疏系数。针对该问题,本文提出一种基于非凸加权l_p范数稀疏误差约束模型（WPNSEC）及相应的灰度图像去噪算法,并通过仿真实验分析了l_p范数中幂p的最优设置。该算法将稀疏系数的求解过程分解为两个子问题,首先采用广义... 

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 图像恢复的国内外研究现状
    1.3 稀疏表示的国内外研究现状
    1.4 论文研究内容与结构安排
        1.4.1 主要研究内容
        1.4.2 结构安排
第二章 图像恢复和稀疏表示的基础知识与方法
    2.1 图像恢复问题的基础知识与方法
        2.1.1 图像恢复问题的基础知识
        2.1.2 图像恢复方法
    2.2 稀疏表示的基础知识与方法
        2.2.1 稀疏表示的基础知识
        2.2.2 秩最小化
        2.2.3 非凸加权lp核范数先验模型
    2.3 图像质量评价标准
    2.4 本章小结
第三章 基于非凸加权lp范数稀疏误差约束的灰度图像去噪方法
    3.1 引言
    3.2 基于非凸加权lp范数稀疏误差约束的灰度图像去噪
        3.2.1 基于图像相似组的稀疏表示
        3.2.2 广义软阈值算法
        3.2.3 非凸加权lp范数最小化
        3.2.4 基于非凸加权lp范数稀疏误差约束的灰度图像去噪算法
    3.3 实验分析
        3.3.1 数据集及参数设置
        3.3.2 幂p的设置
        3.3.3 实验结果及分析
    3.4 本章小结
第四章 基于ADMM的多通道加权lp范数稀疏误差约束彩色图像恢复方法
    4.1 引言
    4.2 基于ADMM的多通道加权lp范数稀疏误差约束彩色图像恢复算法
        4.2.1 多通道相似块组
        4.2.2 多通道非凸加权lp范数稀疏误差约束模型
        4.2.3 基于ADMM的多通道加权lp范数稀疏误差约束彩色图像恢复算法
    4.3 彩色图像去噪实验分析
        4.3.1 数据集及参数设置
        4.3.2 实验结果与分析
    4.4 彩色图像去模糊实验分析
        4.4.1 数据集及参数设置
        4.4.2 实验结果及分析
    4.5 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 今后研究构想
参考文献
致谢
攻读学位期间的科研成果


【参考文献】：
期刊论文
[1]基于非凸加权Lp范数稀疏误差约束的图像去噪算法[J]. 徐久成,王楠,王煜尧,徐战威.  智能系统学报. 2019(03)
[2]结合稀疏表示与神经网络的医学图像融合[J]. 陈轶鸣,夏景明,陈轶才,周刚.  河南科技大学学报(自然科学版). 2018(02)
[3]基于图像块分类稀疏表示的超分辨率重构算法[J]. 练秋生,张伟.  电子学报. 2012(05)

博士论文
[1]基于稀疏表示与低秩模型的图像复原算法研究[D]. 查志远.南京大学 2018
[2]基于稀疏与低秩模型的光学遥感图像盲复原方法研究[D]. 王忠美.电子科技大学 2017
[3]图像稀疏表示理论及其应用研究[D]. 邓承志.华中科技大学 2008

硕士论文
[1]基于非局部正则化方法的图像恢复算法研究[D]. 刘鑫.西安电子科技大学 2018



本文编号：3649655