高斯模糊图像复原与匹配算法研究

发布时间：2023-04-05 02:59

　　图像匹配定位技术在视觉导航系统中有着重要的应用,主要研究实时图像在参考图像中的精确位置的问题,其中实时图和参考图是在同一场景不同条件下拍摄的。但实际场景中,受复杂成像环境影响(如高斯模糊),获得的图像不可避免的存在退化问题,给匹配定位的精度造成了极大影响。而现有技术大都假设成像环境理想,因此,研究更为高效的模糊图像的匹配定位技术以提升匹配定位精度,具有极为重要的意义。本文以高斯模糊图像匹配定位算法为研究对象,提出从模糊图像复原和图像匹配定位两方面入手,探索复原和匹配定位的关系,提出了两种先复原后匹配定位的两阶段法和一种复原匹配一体化方法。针对模糊图像导致匹配定位精度下降的问题,首先提出利用深度生成对抗网络盲复原高斯模糊图像的匹配定位两阶段法。该方法中,利用深度学习方法,参考多尺度去运动模糊网络搭建单尺度深度生成对抗网络用于盲复原高斯模糊图像,再利用稀疏表达方法进行匹配定位。该方法针对这两个任务虽然都取得了很好的结果,但是针对重复结构多的复杂场景,复原图像质量要求更高。因此,进一步地,引入模糊图像的边缘图,提出利用边缘先验盲复原高斯模糊图像的匹配定位两阶段法。将模糊图像边缘图与模糊图、模...

【文章页数】：101 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究概况
    1.3 论文的主要研究内容
    1.4 论文的课题来源及组织结构
2 利用深度单尺度生成对抗网络盲复原高斯模糊图像的匹配定位方法
    2.1 引言
    2.2 生成对抗网络
    2.3 基于深度生成对抗网络的高斯模糊盲复原网络(DeepdeGAN)
    2.4 基于稀疏表达的图像匹配算法
    2.5 高斯模糊图像复原实验结果与讨论
    2.6 DeepdeGAN SRC实验结果与讨论
    2.7 本章小结
3 利用边缘先验盲复原高斯模糊图像的匹配定位方法
    3.1 引言
    3.2 边缘检测算法
    3.3 基于边缘先验的多尺度高斯模糊盲复原网络(DeepEdgeGAN)
    3.4 高斯模糊图像复原实验结果与讨论
    3.5 DeepEdgeGAN SRC实验结果与讨论
    3.6 本章小结
4 基于距离加权稀疏表达的图像复原与匹配一体化方法
    4.1 引言
    4.2 基于距离加权的稀疏表达算法
    4.3 基于距离加权稀疏表达的由粗到细的图像复原匹配一体化算法
    4.4 实验结果与讨论
    4.5 本章小结
5 总结与展望
    5.1 全文总结
    5.2 主要创新点
    5.3 课题展望
致谢
参考文献
附录1 硕士期间发表的论文专利成果
附录2 硕士期间参与的项目课题



本文编号：3782593