图像复原的模型和稀疏优化算法研究

发布时间：2020-11-03 14:37

　　 数字图像处理在科学与工程的许多领域有着广泛的应用。图像复原是图像处理研究中的一个重要领域,其问题通常是不适定的反问题,求解此问题的常用方法是基于真实图像的先验信息引入正则化项,并构建相应的正则化模型。本文的主要贡献有：第一部分提山了几种图像复原问题的新型正则化模型,并基于稀疏优化方法提出了相应的快速求解算法；第二部分研究了稀疏优化中的一类重叠组稀疏(OGS)问题的求解,提出了一种新型直接求解方法——非精确显式求解公式,从而加快了重叠组稀疏问题的求解速度。全变差(TV)正则化方法是求解图像复原问题的典型方法,它能很好的保持图像的边缘(图像中的像素值变化较大的位置),然而也可能导致图像的光滑区域呈现分片常数的特点,即所谓的阶梯效应。鉴于全变差正则化方法的这一不足,本文提出了脉冲噪声下图像去模糊问题的新型混合正则化模型,该模型正则项由=阶全变差与二阶全变差混合构成,保真项为L1范数保真项；基于交替方向乘子方法(ADMM)提出了新模型的求解算法,并进一步研究了模型中正则化参数的自适应选择策略；数值实验表明本文的模型和方法较大程度地改善了现有全变差正则化方法的不足。为了更好地改进现有全变差正则化方法的不足,我们基于重叠组稀疏全变差(OGS-TV)正则化方法提出了脉冲噪声下图像去模糊问题的新型正则化模型；通过ADMM方法与MM方法结合,提出了新模型的高效求解算法。大量实验验证了新模型具有保持图像边缘和减弱阶梯效应的特性,并在峰值信噪比(PSNR)、相对误差等主要图像质量评价指标上优于现有基于TV的正则化方法,例如TV方法、HOTV方法、TGV方法。根据重叠组稀疏正则化方法的优点,我们提出了加权重叠组稀疏问题的MM求解算法；进而提出加权重叠组稀疏全变差在图像复原中的统一框架模型,并考虑所提方法在多种图像处理问题中的应用,比如图像修补、图像放大、混合噪声去除等；大量数值实验表明所提方法在PSNR与SSIM等主要图像质量评价指标上优于普通TV方法与HOTV方法。求解重叠组稀疏问题中的主要困难来自于子问题的重叠结构,常用的迭代方法(比如MM方法)具有求解速度较慢的缺点。为了提高求解重叠组稀疏问题的计算速度,我们提出了一种新型的直接求解方法——非精确显式求解公式。数值实验表明在与MM迭代方法误差接近的情况下,直接方法明显提高了OGS问题的求解速度。从而此类方法可以有效应用于重叠组稀疏相关问题中,比如重叠组稀疏全变差问题。
【学位单位】：电子科技大学
【学位级别】：博士
【学位年份】：2015
【中图分类】：TP391.41
【文章目录】：
摘要
ABSTRACT
缩略词表
主要符号表
第一章 绪论
    1.1 图像复原简述
        1.1.1 图像复原基础
        1.1.2 常用的边界条件及快速算法
        1.1.3 常见模糊核及噪声
    1.2 图像复原研究现状
        1.2.1 Tikhonov正则化方法
        1.2.2 全变差正则化方法
        1.2.3 更多正则化方法
    1.3 常用优化算法简介
        1.3.1 交替方向乘子方法（ADMM）
        1.3.2 Majorization minimization方法
    1.4 本文的主要内容及创新点
    1.5 本文结构安排
1范数的图像复原混合模型及自适应参数选择'>第二章 基于高阶全变差与L₁范数的图像复原混合模型及自适应参数选择
    2.1 引言
    2.2 新模型与ADMM求解算法
    2.3 正则参数的空间自适应选择
    2.4 数值实验
    2.5 本章小结
第三章 脉冲噪声下图像去模糊的重叠组稀疏全变差正则化方法
    3.1 引言
    3.2 重叠组稀疏定义及子问题求解
        3.2.1 重叠组稀疏定义
        3.2.2 求解重叠组稀疏子问题的方法
    3.3 新模型及分析求解
    3.4 数值实验
        3.4.1 模型中的参数选择
        3.4.2 与全变差方法的详细比较
        3.4.3 与现有全变差扩展方法（HOTV及TGV）的比较
    3.5 本章小结
第四章 加权重叠组稀疏全变差正则化方法及应用
    4.1 引言
    4.2 加权重叠组稀疏及子问题求解
        4.2.1 加权重叠组稀疏介绍
        4.2.2 加权重叠组稀疏问题求解
    4.3 统一框架模型及分析求解
    4.4 模型应用与数值实验
        4.4.1 纯脉冲噪声去除
        4.4.2 混合高斯脉冲噪声去除
        4.4.3 混合噪声下图像去模糊
        4.4.4 图像放大应用
        4.4.5 图像盲修补应用
    4.5 本章小结
第五章 求解重叠组稀疏问题的非精确显式求解公式及应用
    5.1 引言
    5.2 重叠组稀疏的非精确显式求解公式推导
        5.2.1 常用的软域值压缩公式
        5.2.2 重叠组稀疏问题直接压缩域值公式推导
        5.2.3 边界条件讨论
    5.3 显式求解公式在重叠组稀疏全变差问题中的应用
        5.3.1 高斯噪声下图像去模糊的应用
        5.3.2 脉冲噪声下图像去模糊的应用
    5.4 数值实验
        5.4.1 一维信号问题中与迭代方法的比较
        5.4.2 二维问题中与迭代方法的比较
        5.4.3 直接公式在重叠组全变差模型中的应用实验
    5.5 本章小结
第六章 总结及展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻博期间取得的研究成果

【相似文献】

相关期刊论文 前10条

1 张坤;洪汉玉;孙协昌;张天序;;基于波前测量的图像复原技术综述[J];红外与激光工程;2007年01期

2 邹淑芳;蒋慕容;柯慧凌;林瑛;;基于变分原理的图像复原计算显格式分析[J];云南电大学报;2008年03期

3 刘福保;;图像复原模型的Euler-Lagrange方程[J];湖南工业大学学报;2009年02期

4 刘赛;田逢春;段淑玉;;基于神经网络的光学4f系统图像复原[J];计算机与数字工程;2009年05期

5 陈金林;李宁;;图像复原的一种改进算法[J];重庆科技学院学报(自然科学版);2009年05期

6 周筱媛;;一种使用小波分解的多尺度盲图像复原方法[J];西安科技大学学报;2011年03期

7 宋寅卯;蔡开穗;刘磊;;图像复原研究方法及进展[J];科技创新与生产力;2011年10期

8 肖宿;韩国强;;基于变量分离和加权最小二乘法的图像复原[J];计算机应用研究;2012年04期

9 伏西洋;王大勇;郭红锋;;基于单点像的光学稀疏孔径图像复原[J];北京工业大学学报;2012年05期

10 吴艳;安博文;叶洪涛;赵明;林川;;图像复原基本适用条件的红外成像实验研究[J];红外技术;2012年05期

相关博士学位论文 前10条

1 刘刚;图像复原的模型和稀疏优化算法研究[D];电子科技大学;2015年

2 吕小光;结构矩阵计算及在数字图像复原中的应用[D];电子科技大学;2011年

3 黄捷;基于数值代数的图像复原问题研究[D];电子科技大学;2013年

4 赵雪青;降质图像复原方法研究[D];陕西师范大学;2013年

5 陈波;自适应光学图像复原理论与算法研究[D];解放军信息工程大学;2008年

6 张欣;波前编码技术中的图像复原研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

7 赵熙乐;基于数值线性代数与稀疏优化的图像复原问题研究[D];电子科技大学;2012年

8 鲁晓磊;图像复原—模型、贝叶斯推理及迭代算法研究[D];华中科技大学;2009年

9 王亮;机器视觉检测中的图像复原方法研究[D];北京交通大学;2014年

10 朱宏权;γ射线针孔照相系统的图像复原研究[D];清华大学;2008年

相关硕士学位论文 前10条

1 潘洪艳;基于增广拉格朗日的非局部正则化图像复原方法[D];电子科技大学;2015年

2 王家传;正则化方法在图像复原中的应用[D];电子科技大学;2014年

3 王达林;凸优化在图像复原中的应用[D];电子科技大学;2014年

4 赵艳;带噪声离焦模糊图像复原[D];西安电子科技大学;2014年

5 马燕新;基于光学测量的航天器结构分析研究[D];国防科学技术大学;2013年

6 肖宇行;DR系统点扩展退化模型建立及图像复原研究[D];南昌航空大学;2015年

7 肖兢兢;全变分图像复原一阶对偶算法研究[D];南京邮电大学;2015年

8 侯桥立;基于图像特征的全变分型图像复原问题[D];河南大学;2015年

9 曾佳;基于大气散射模型的雾天图像复原方法研究[D];合肥工业大学;2015年

10 许尚文;非凸性高阶全变差正则化盲图像复原方法研究[D];重庆大学;2015年

本文编号：2868711