全变差深度网络的图像非盲去模糊研究

发布时间：2024-06-11 21:53

　　伴随着智能便携设备步入千家万户,人们的主要交流方式已经从书面的文字通讯,衍生至照片、短视频等交流方式,图像信息可以更真实、完整地传达感情,但由于年代久远或拍摄时的抖动,导致图像产生了不可逆的模糊,部分图像信息被丢失,因而图像去模糊技术也逐渐展现出它的应用价值。本文就图像去模糊技术进行了深入的研究,本文的主要工作包括:(1)不拘泥于常规基于正则化理论模型的图像去模糊,本文提出了一种基于全变差深度网络模型。目前已经存在许多非盲图像去模糊方法,尤其是基于全变差(Total Variation,TV)模型的方法。然而如何自适应地选择参数,并更好地进行正则化,是一个关键的开放性问题。本文中所提出的模型能够在迭代过程中自适应地更新参数以获得最佳效果,该模型主要使用深度学习和先验知识建立基于全变差的深度网络,并计算正则化的参数,例如偏置、权重等。本文主要使用深度学习的思想,通过迭代运算完成参数的自动更新,这种做法可以避免复杂的手工计算,并减少大量的人工参与调试环节。通过与其他几种经典方法相比,本文的模型效果在保留细节和抗噪性能这两方面,明显有更优良的结果。同时本文所提出的模型可以通过较少数量的训练集...

【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 课题的背景及意义
    1.2 国内外研究的发展及现状
        1.2.1 盲去模糊的发展及现状
        1.2.2 非盲去模糊的发展及现状
    1.3 研究内容及论文章节安排
第二章 相关背景知识介绍
    2.1 图像的退化模型及相关数学知识
    2.2 基于正则化理论的图像恢复
        2.2.1 Tikhonov正则化
        2.2.2 全变差模型
        2.2.3 凸全有界变分模型
    2.3 基于最大后验估计的图像去模糊
    2.4 图像恢复重建算法的质量评测
    2.5 本章小结
第三章 基于全变差深度学习去模糊
    3.1 引言
    3.2 基于全变差深度学习去模糊模型算法
        3.2.1 基于全变差图像去模糊模型
        3.2.2 基于全变差深度学习去模糊模型
    3.3 基于全变差深度学习去模糊模型的训练
    3.4 实验结果及分析
    3.5 本章小结
第四章 高效残差密集连接深度学习网络去模糊
    4.1 引言
    4.2 高效残差密集连接深度学习网络去模糊模型算法
        4.2.1 相关背景知识
        4.2.2 准备工作
        4.2.3 高效残差密集连接深度学习网络去模糊模型
    4.3 实验结果及分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
参考文献
附录1 攻读硕士学位期间撰写的论文
致谢



本文编号：3992771