基于多尺度多任务CNN的图像去模糊

发布时间：2024-11-03 02:23

　　图像去模糊一直是图像处理和计算机视觉领域的研究重点。传统基于统计先验的去模糊方法很大程度上依赖于对先验类型的选取,其细节恢复能力有限;同时,所构造的去模糊模型难于求解,运算比较复杂。近年来,基于深度学习的方法成为各领域的研究热点。由于卷积神经网络(CNN)能够充分挖掘图像内部特征、先验知识,本文基于CNN研究图像去模糊方法,具体工作如下:为了解决图像去模糊病态问题,通常利用先验信息作为正则项构造去模糊模型。基于统计先验的去模糊方法存在对噪声敏感、细节恢复能力有限等问题。基于此,本文深入研究去噪CNN关键技术,设计快速去噪深度卷积神经网络,学习得到图像去噪先验;同时为了弥补算法适应性不足,提出一种简单有效的低值像素先验;最后,基于梯度稀疏先验、深度去噪先验和低值像素先验构造图像盲去模糊模型,并给出最优化数值求解算法。实验结果表明,所提算法不仅具有很好的细节恢复能力,且对图像及其模糊类型、噪声水平等更具鲁棒性。端到端的卷积神经网络可以学习退化图像与清晰图像之间像素级映射关系,能有效实现空域可变模糊去除。但常规的卷积神经网络存在泛化能力不足、复原图像易丢失细节等缺陷。基于此,本文采用并联网络结...

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

天津大学硕士学位论文82.2.1失焦模糊由于摄影设备的配置有限，获得的图像在焦点以外的区域会产生失焦，导致失焦模糊。例如，当手机摄像头距离物体太近时，实际失焦模糊如图2-2(b)所示。数学上，失焦模糊能用以下模型表示222,01ifijRRotherwiskije(2-2)其中，....

第二章图像去模糊基本理论与方法9(a)模拟运动模糊(b)实际运动模糊图2-3物体运动模糊2.2.3摄像设备抖动模糊摄像设备抖动模糊是在曝光时间内摄像设备的运动产生的。此类模糊由于摄影设备的运动轨迹未知，且随机性高，所以也十分复杂。相机随机抖动产生的图像像素运动轨迹示意图如图2-4....

第二章图像去模糊基本理论与方法9(a)模拟运动模糊(b)实际运动模糊图2-3物体运动模糊2.2.3摄像设备抖动模糊摄像设备抖动模糊是在曝光时间内摄像设备的运动产生的。此类模糊由于摄影设备的运动轨迹未知，且随机性高，所以也十分复杂。相机随机抖动产生的图像像素运动轨迹示意图如图2-4....

第二章图像去模糊基本理论与方法13式(2-13)中，第一项为数据保真项，第二项是表示图像梯度稀疏先验约束项，其中x表示图像在水平和垂直方向上的梯度的平方和。最后一项是以1l范数为约束的模糊核约束项。当固定式(2-13)中的某一个变量的时候，对另一个变量而言，该公式即为可以凸优化的....

本文编号：4010533