面向图像复原的结构化模型研究

发布时间：2021-10-29 19:03

　　随着数字媒体技术的发展以及移动智能设备的普及,人类已经全面进入信息化时代,图像也因此成为了人类以及机器汲取信息的主要方式。但由于成像设备的硬件限制和外界环境的干扰,最终获取的图像往往会发生严重的质量退化,从而难以满足如医疗诊断、目标识别与检测等后续应用的需求。因此,通过研究复原算法来改善图像质量进而为后续处理提供便利具有非常重要的意义。图像复原是一个众所周知的病态逆问题,以图像统计先验模型为导向的最大后验概率方法通常可以有效缓解其病态性。因此本文以基于最大后验概率的图像复原方法为出发点,针对目前图像统计先验模型存在的问题,主要开展如下两方面的研究工作:（1）提出基于自适应高斯混合模型的图像复原方法为了克服传统空域模型中固定高斯混合模型（Gaussianmixturemodel,GMM）表达能力不强,无法准确表示图像结构信息的问题,提出一种基于自适应GMM模型（Adaptive GMM,AGMM）的图像复原方法。首先,利用基于欧式距离的块匹配方法为当前待处理图像块寻找若干个相似图像块;然后,基于图像的非局部自相似原理,将所有相似块视为独立同分布的样本,估计出当前待处理块在GMM模型中所属... 

【文章来源】：西安理工大学陕西省

【文章页数】：65 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 国内外研究现状
        1.2.1 基于滤波的图像复原方法
        1.2.2 基于正则化的图像复原方法
        1.2.3 基于最大后验概率的图像复原方法
    1.3 论文的主要工作和章节安排
        1.3.1 论文的主要工作
        1.3.2 论文的章节安排
2 相关基础知识介绍
    2.1 图像退化模型
    2.2 相关图像复原模型介绍
        2.2.1 基于高斯混合模型的EPLL图像先验模型
        2.2.2 基于非局部自相似性的NLM去噪模型
        2.2.3 稀疏模型相关知识
    2.3 复原图像质量评估
        2.3.1 主观评价
        2.3.2 客观评价
    2.4 本章小结
3 基于自适应高斯混合模型的图像复原方法
    3.1 引言
    3.2 自适应高斯混合模型
    3.3 基于自适应高斯混合模型的图像复原算法
    3.4 实验仿真及结果分析
        3.4.1 图像去噪
        3.4.2 图像去模糊
    3.5 本章小结
4 基于两级正交变换和拉普拉斯分布的图像复原方法
    4.1 引言
    4.2 PCA变换和2DSVD变换
        4.2.1 PCA变换基本原理
        4.2.2 2DSVD变换基本原理
    4.3 基于两级正交变换和拉普拉斯分布的结构化稀疏域模型
        4.3.1 基于两级PCA变换和拉普拉斯分布的结构化稀疏域模型
        4.3.2 基于2DSVD&PCA变换和拉普拉斯分布的结构化稀疏域模型
    4.4 基于两级正交变换和拉普拉斯分布的图像复原算法
        4.4.1 基于两级PCA变换和拉普拉斯分布的图像复原算法
        4.4.2 基于2DSVD&PCA变换和拉普拉斯分布的图像复原算法
    4.5 实验仿真及结果分析
        4.5.1 测试图像和实验参数设置
        4.5.2 实验结果与分析
    4.6 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献



本文编号：3465232