基于自适应方向全变分和G范数正则化的图像分解方法

发布时间：2023-04-29 04:49

　　图像分解是图像处理领域中的一个重要研究热点.图像一般可以分解为卡通和纹理两个部分,从卡通部分的显著性边缘信息中获取图像模糊因子,从纹理部分中获取图像的噪声强度因子,进而能够将图像的显著性边缘结构信息与包含噪声的细节纹理信息区分开来.卡通部分是指图像的几何部分,包括均匀区域、轮廓和尖锐的边缘.相比之下,纹理部分是关于图像的震荡模式,如精细的结构和局部重复特征.图像分解的目的是依据图像中卡通与纹理具有不同的先验信息,从而对图像进行预处理并从图像中提取出感兴趣的信息,进而用于后续的计算机图像分析.本文的主要内容如下:·为了提高图像分解的质量,在所提模型中描述图像的局部结构是非常重要的.这一事实促使我们对Meyer所提的分解模型进行分析和研究,通过将加权矩阵和旋转矩阵耦合到全变分(total variation–TV)范数中,提出一种基于自适应方向全变分和G范数正则化的卡通与纹理分解模型.在所提模型中,利用加权矩阵可以增强图像边缘沿切线方向的扩散,同时利用旋转矩阵可以使差分算子有效地与法线方向和切线方向的坐标系相耦合.通过这些算子,我们提出的模型不仅具有局部自适应的优点,而且对图像结构的描述更...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    §1.1 研究背景和意义
    §1.2 国内外研究现状与趋势
    §1.3 论文的主要内容和结构安排
第二章 预备知识及理论介绍
    §2.1 基本概念
    §2.2 数值方法
    §2.3 相关的图像分解模型
第三章 基于自适应方向全变分和G范数正则化分解模型
    §3.1 模型导入
    §3.2 模型求解与收敛性分析
    §3.3 数值实验与结果分析
第四章 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：3805198