运动模糊图像复原算法的研究
发布时间：2021-02-11 23:05
随着图像处理在各个领域应用的不断深化,对图像处理的要求也不断提高。实际中由于相对运动、散焦和噪声等许多不同因素的影响,会使得获取的图像有一定程度的污染,而形成模糊图像。因此对模糊图像的处理就成为图像处理的重要的一个分支。本文以运动模糊图像为研究对象,首先分析逆滤波复原和维纳滤波复原两种经典图像复原算法的性能,结合分布式计算的思想,提出了一种组合式维纳滤波复原的方法,即先在空间域上消除一部分噪声,再对其进行维纳滤波复原处理,仿真分析表明组合式维纳滤波复原的方法较单纯的维纳滤波算法性能更好;但是传统算法改进空间有限,满足不了人们对于更高质量图像的追求,本文提出了一种基于区域划分的稀疏表示去噪的智能图像复原算法,该算法首先用Primal sketch稀疏表示模型和图像块的统计特征将整个图像划分为非平滑区域和光滑区域,对于非平滑区域用基于K-SVD字典的图像去噪方法来去噪,对光滑区域用均值滤波方法来去噪,该算法由于采用不同区域使用不同算法的思想,更多地保留了图像的细节信息。在同等实验环境下,组合维纳滤波算法的PSNR值较维纳滤波算法提高了至少1.4dB,而基于区域划分的稀疏表示去噪智能算法的P...
【文章来源】：西安科技大学陕西省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图像退化/复原模型
3典型的图像复原算法及应用17vuH),(遇到零值的可能性。事实上，逆滤波复原算法能够将处理模型进一步完善、改进，形成新的模式[44]，如图3.1所示。图3.1逆滤波退化/复原模型由上述分析得知，逆滤波算法若是能够排除噪声，将其置于考虑的范围之外，则其恢复的效果相对较好。但是，若不排除噪声，则恢复效果相对较差。3.2维纳滤波算法因为逆滤波一般会将噪声增大，研究人员便对这一问题进行了深入分析，因此，效果较好的维纳滤波复原算法[45]便随之出现。可以将这种算法视为一种具有约束性的特别的复原算法，也就是图像在恢复过程中受到某一特定因素的制约，一般又被叫作最小二乘滤波法。因为形成图像一般是随机的，同时，噪声的出现也是难以预料的，此算法整体思路是：保证已恢复的图像与原始清晰图像间均方误差是最小的，用公式表示为：22),(e),(minyxfyxfE（3.6）在公式（3.6）中，2e代表的是复原后的图像和原始图像二者之间的均方误差，E表示期望运算符号，假定噪声均值是零，并且图像与噪声之间互不影响，该方法又被称作最小均方估计法[46]。按照上一章所描述的图像退化模型，倘若以退化之后的图像yxg),(为输入信号，再经过复原滤波过程yxm),(，最终得到复原之后的图像),(yxf，可用如下表达式表示：),(*),(),(yxmyxgyxf（3.7）结合维纳滤波思想，满足2minffE，根据正交性能够得到式（3.7）最小值的前提条件为：),((yxgyxfyxfE0),()),(（3.8）对公式（3.8）使用傅里叶变换处理可得：),(),(),(vuSvuSvuMggfg（3.9）在公式（3.9）中，vuM),(代表的是滤波器的傅里叶变换，同时vuS),(fg代表的是互功率谱，而vuS),(gg代表的是自功率谱。根据退化模型可以得知：
四幅测试样本
【参考文献】：
期刊论文
[1]一种运动模糊医学图像去模糊算法分析[J]. 王永飞,王春. 铜陵学院学报. 2020(01)
[2]基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法[J]. 梁喜凤,彭明,路杰,秦超. 农业工程学报. 2019(19)
[3]基于机器学习的无参考图像质量评价综述[J]. 杨璐,王辉,魏敏. 计算机工程与应用. 2018(19)
[4]有效保留图像细节的模糊区域复原方法仿真[J]. 陈艺. 计算机仿真. 2018(09)
[5]人工智能发展的重点领域和方向[J]. 杨丹辉,邓洲. 人民论坛. 2018(02)
[6]基于过完备字典学习的全变分图像去噪方法[J]. 张晓严,马杰,武利涛. 河北工业大学学报. 2017(01)
[7]模糊图像复原技术在刑事侦查中的应用简析[J]. 任志飞. 影像技术. 2017(01)
[8]基于MATLAB的数字图像去噪处理[J]. 周旭廷,王桂丽,傅赟,侯雪鹏. 计算机系统应用. 2016(11)
[9]基于抗噪参数P的图像滤波性能评价[J]. 王淑青,王娟,高翔,潘建. 湖北工业大学学报. 2016(05)
[10]一种基于L0正则化的模糊复原算法[J]. 方帅,范东,于磊,曹风云. 计算机工程. 2016(01)
硕士论文
[1]基于常见模糊类型的图像复原技术方法研究[D]. 孙小桐.长春工业大学 2019
[2]基于小波神经网络的人脸识别研究[D]. 史文惠.山东大学 2019
[3]红外图像去噪算法研究[D]. 柳鑫.西安电子科技大学 2019
[4]基于扩展卡尔曼滤波的单目标跟踪算法研究[D]. 董俊松.西北师范大学 2019
[5]刑侦现勘图像特征提取算法研究[D]. 胡丹.西安邮电大学 2018
[6]运动模糊车牌识别系统关键技术的研究[D]. 温伟.安徽理工大学 2018
[7]基于MATLAB的数字图像复原技术研究[D]. 王雅兰.华东政法大学 2018
[8]基于压缩感知CT图像重建技术研究[D]. 刘婷婷.华北理工大学 2018
[9]图像复原算法研究与设计[D]. 曹丽娜.沈阳理工大学 2018
[10]三维点扩散函数空间大小与选取方法研究[D]. 莫春球.广西大学 2017
本文编号：3029857
【文章来源】：西安科技大学陕西省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图像退化/复原模型
3典型的图像复原算法及应用17vuH),(遇到零值的可能性。事实上，逆滤波复原算法能够将处理模型进一步完善、改进，形成新的模式[44]，如图3.1所示。图3.1逆滤波退化/复原模型由上述分析得知，逆滤波算法若是能够排除噪声，将其置于考虑的范围之外，则其恢复的效果相对较好。但是，若不排除噪声，则恢复效果相对较差。3.2维纳滤波算法因为逆滤波一般会将噪声增大，研究人员便对这一问题进行了深入分析，因此，效果较好的维纳滤波复原算法[45]便随之出现。可以将这种算法视为一种具有约束性的特别的复原算法，也就是图像在恢复过程中受到某一特定因素的制约，一般又被叫作最小二乘滤波法。因为形成图像一般是随机的，同时，噪声的出现也是难以预料的，此算法整体思路是：保证已恢复的图像与原始清晰图像间均方误差是最小的，用公式表示为：22),(e),(minyxfyxfE（3.6）在公式（3.6）中，2e代表的是复原后的图像和原始图像二者之间的均方误差，E表示期望运算符号，假定噪声均值是零，并且图像与噪声之间互不影响，该方法又被称作最小均方估计法[46]。按照上一章所描述的图像退化模型，倘若以退化之后的图像yxg),(为输入信号，再经过复原滤波过程yxm),(，最终得到复原之后的图像),(yxf，可用如下表达式表示：),(*),(),(yxmyxgyxf（3.7）结合维纳滤波思想，满足2minffE，根据正交性能够得到式（3.7）最小值的前提条件为：),((yxgyxfyxfE0),()),(（3.8）对公式（3.8）使用傅里叶变换处理可得：),(),(),(vuSvuSvuMggfg（3.9）在公式（3.9）中，vuM),(代表的是滤波器的傅里叶变换，同时vuS),(fg代表的是互功率谱，而vuS),(gg代表的是自功率谱。根据退化模型可以得知：
四幅测试样本
【参考文献】：
期刊论文
[1]一种运动模糊医学图像去模糊算法分析[J]. 王永飞,王春. 铜陵学院学报. 2020(01)
[2]基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法[J]. 梁喜凤,彭明,路杰,秦超. 农业工程学报. 2019(19)
[3]基于机器学习的无参考图像质量评价综述[J]. 杨璐,王辉,魏敏. 计算机工程与应用. 2018(19)
[4]有效保留图像细节的模糊区域复原方法仿真[J]. 陈艺. 计算机仿真. 2018(09)
[5]人工智能发展的重点领域和方向[J]. 杨丹辉,邓洲. 人民论坛. 2018(02)
[6]基于过完备字典学习的全变分图像去噪方法[J]. 张晓严,马杰,武利涛. 河北工业大学学报. 2017(01)
[7]模糊图像复原技术在刑事侦查中的应用简析[J]. 任志飞. 影像技术. 2017(01)
[8]基于MATLAB的数字图像去噪处理[J]. 周旭廷,王桂丽,傅赟,侯雪鹏. 计算机系统应用. 2016(11)
[9]基于抗噪参数P的图像滤波性能评价[J]. 王淑青,王娟,高翔,潘建. 湖北工业大学学报. 2016(05)
[10]一种基于L0正则化的模糊复原算法[J]. 方帅,范东,于磊,曹风云. 计算机工程. 2016(01)
硕士论文
[1]基于常见模糊类型的图像复原技术方法研究[D]. 孙小桐.长春工业大学 2019
[2]基于小波神经网络的人脸识别研究[D]. 史文惠.山东大学 2019
[3]红外图像去噪算法研究[D]. 柳鑫.西安电子科技大学 2019
[4]基于扩展卡尔曼滤波的单目标跟踪算法研究[D]. 董俊松.西北师范大学 2019
[5]刑侦现勘图像特征提取算法研究[D]. 胡丹.西安邮电大学 2018
[6]运动模糊车牌识别系统关键技术的研究[D]. 温伟.安徽理工大学 2018
[7]基于MATLAB的数字图像复原技术研究[D]. 王雅兰.华东政法大学 2018
[8]基于压缩感知CT图像重建技术研究[D]. 刘婷婷.华北理工大学 2018
[9]图像复原算法研究与设计[D]. 曹丽娜.沈阳理工大学 2018
[10]三维点扩散函数空间大小与选取方法研究[D]. 莫春球.广西大学 2017
本文编号：3029857
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3029857.html
