資源描述:
《基于全變分的圖像復(fù)原算法研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號:密級:UDC:編號:河北工業(yè)大學(xué)碩士學(xué)位論文基于全變分的圖像復(fù)原算法研究論文作者:陳鳳華學(xué)生類別:全日制專業(yè)學(xué)位類別:工程碩士領(lǐng)域名稱:通信與信息系統(tǒng)指導(dǎo)教師:馬杰職稱:教授資助基金項目:國家自然科學(xué)基金(61203245)、河北自然科學(xué)基金(F2012202027)DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofElectronicsandCommunicationEngineeringRESEARCHONIMAGERE
2、STORATIONALGORITHMBASEDONTOTALVARIATIONMODELbyChenFenghuaSupervisor:Prof.MaJieMarch2016ThisworksupportedbyNationalNaturalScienceFoundation(61203245).HebeiProvinceNaturalScienceFoundation(No.F2012202027)摘要圖像復(fù)原技術(shù)在眾多的科學(xué)領(lǐng)域和技術(shù)領(lǐng)域得到廣泛的應(yīng)用,如天文觀測、遙感技術(shù)、文物保護(hù)、空間探測、醫(yī)學(xué)影像、軍事偵查、案
3、件偵破等。雖然已經(jīng)存在大量的算法可以求解圖像復(fù)原問題,但在噪聲的干擾下,這些算法往往不能準(zhǔn)確的恢復(fù)圖像原始信息。為提高受到噪聲污染的圖像的清晰度和逼真度,本文提出了一種新的模型對圖像進(jìn)行去噪處理。該模型是將圖像卡通紋理分解模型與全變分去噪模型相結(jié)合,同時應(yīng)用增廣拉格朗日算法對全變分模型進(jìn)行求解。將圖像卡通紋理分解模型與全變分去噪模型相結(jié)合,可以更好的保護(hù)圖像信息,達(dá)到去除圖像噪聲的目的。本文研究了圖像退化模型、圖像卡通紋理分解模型和全變分去噪模型。圖像卡通紋理分解是根據(jù)圖像信息特性將圖像分解為卡通分量和紋理分量??ㄍǚ至?/p>
4、包含了圖像的大致信息,紋理分量包含了圖像的紋理信息以及噪聲成分。根據(jù)噪聲成分的分布特性,在圖像去噪的過程中只需對圖像的紋理部分進(jìn)行去噪,再將去噪后的紋理部分與卡通部分進(jìn)行加權(quán)合成。由于卡通部分不含噪聲信息,采用將圖像先分解后處理的方法可以有效避免去噪過程中對卡通部分的損傷,同時根據(jù)紋理部分的特性采用增廣拉格朗日(ALM)算法可以在去除噪聲的同時有效地提高圖像復(fù)原速度。全變分模型去噪是一個典型的非光滑凸優(yōu)化問題,解決這類問題的方法有很多。本文選取傳統(tǒng)的迭代算法和快速迭代閾值算法(FISTA)與ALM算法進(jìn)行對比,通過計算峰
5、值信噪比、均方誤差和運算時間等,表明ALM算法能夠快速有效性的解決全變分問題。本文通過MATLAB進(jìn)行仿真,仿真中采用兩張標(biāo)準(zhǔn)測試圖像進(jìn)行驗證。仿真結(jié)果表明本文方法能夠在快速、準(zhǔn)確、穩(wěn)定去除圖像噪聲的同時很好的保持圖像的邊緣信息。最后通過對X光圖像進(jìn)行仿真處理表明本文方法在生活中的應(yīng)用價值。關(guān)鍵詞:圖像分解;全變分;增廣拉格朗日;去噪IABSTRACTImagerestorationtechnologyhasbeenwidelyusedinmanyfieldsofscienceandtechnology,suchasas
6、tronomicalobservation,remotesensingtechnology,culturalrelicsprotection,spaceexploration,medicalimaging,casedetection,etc.Althoughalargenumberofalgorithmshavebeenusedtosolvetheproblemofimagerestoration,thesealgorithmscannotaccuratelydescribetheimageinformationunde
7、rtheinterferenceofnoise.Inordertoimprovesharpnessandfidelityofthenoisyimage,anewmodelisproposedinthispaper.Themodelisbasedontheimagecartoontexturedecompositionmodelandthetotalvariationdenoisingmodel,atthesametime,usingaugmentedLagrangemethodtosolvethetotalvariati
8、ondenoisingmodel.Bycombiningtheimagecartoontexturedecompositionmodelandthetotalvariationdenoisingmodel,canprotecttheimageinformationbetter,andachievethepurpose