資源描述：
《圖像正則化重建算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、聲明本學(xué)位論文是我在導(dǎo)師的指導(dǎo)下取得的研究成果，盡我所知，在本學(xué)位論文中，除了加以標(biāo)注和致謝的部分外，不包含其他人已經(jīng)發(fā)表或公布過(guò)的研究成果，也不包含我為獲得任何教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過(guò)的材料。與我一同工作的同事對(duì)本學(xué)位論文做出的貢獻(xiàn)均已在論文中作了明確的說(shuō)明。研究生簽名：加‘中年弓月詬學(xué)位論文使用授權(quán)聲明南京理工大學(xué)有權(quán)保存本學(xué)位論文的電子和紙質(zhì)文檔，可以借閱或上網(wǎng)公布本學(xué)位論文的部分或全部?jī)?nèi)容，可以向有關(guān)部門(mén)或機(jī)構(gòu)送交并授權(quán)其保存、借閱或上網(wǎng)公布本學(xué)位論文的部分或全部?jī)?nèi)容。對(duì)于保密論文，按保密的有關(guān)規(guī)定和程序處理。研究生簽名：
2、汐l中年；月逸目碩士論文圖像正則化重建算法研究摘要圖像重建主要包括去噪、去模糊、插值和超分辨率重建等幾個(gè)方面的內(nèi)容，而這些問(wèn)題都屬于病態(tài)反問(wèn)題的范疇，直接求解并不能得到穩(wěn)定有效的解，一些經(jīng)典的平滑算法往往會(huì)破壞邊緣等很多細(xì)節(jié)信息。本文采用基于正則化的模型來(lái)求解病態(tài)反問(wèn)題，通過(guò)選取最優(yōu)正則化參數(shù)來(lái)重建圖像，在此基礎(chǔ)上，本文所做的一些工作如下：第一，在正則化算法模型中，最重要的是選擇最優(yōu)正則化參數(shù)，選取的標(biāo)準(zhǔn)是基于最小均方誤差(MSE)，但由于原圖像未知，最小均方誤差無(wú)法計(jì)算，本文采用一種Stein無(wú)偏風(fēng)險(xiǎn)估計(jì)(suRE)來(lái)擬合MSE，通
3、過(guò)選取使SURE最小時(shí)的正則化參數(shù)作為最優(yōu)參數(shù)來(lái)重建圖像，這種方法不需要原始圖像的相關(guān)信息，只根據(jù)觀測(cè)值就可以計(jì)算。第二，相比于灰度圖像，彩色圖像重建更為復(fù)雜，由于不同的顏色通道有許多冗余和互補(bǔ)的信息，因此需要在這些通道里提取和交換信息。通常的方法都是將這三個(gè)通道分別處理，然后結(jié)合各個(gè)通道的結(jié)果，但這種方法往往僅能在亮度上起作用而且容易造成圖像邊緣色彩抖動(dòng)等問(wèn)題。本文提出一種基于微分流形模型的多通道信號(hào)重建模型，在選取一組正則化參數(shù)時(shí)采用遺傳算法(GA)，該算法可以在全局范圍內(nèi)搜索最優(yōu)解，再結(jié)合SURE算法來(lái)重建彩色圖像。第三，在微分
4、流形模型中，迭代算法通常是基于顯式格式的，顯式格式最大的缺點(diǎn)是收斂速度比較慢，會(huì)導(dǎo)致大量的迭代。本文采用一種基于半隱式分裂的LOD／AOS(10callyone．dimensional／additiveoperatorsplitting)格式，這種格式的優(yōu)點(diǎn)在于算法中的三對(duì)角矩陣可以方便地求出其逆，大大優(yōu)化了顯式算法，提高了運(yùn)算速度。關(guān)鍵詞：正則化，SURE，GA，微分流形，半隱式格式Abstract碩士論文Imagedenoising，deblurring，interpolationandsuper-resolutionareinv
5、olvedinimagereconstructionproblems，butalltheseproblemsareinverseproblems，whichmeanstheyareallill·posed．Itisnoteasytogetstableandeffectivesolutionsthroughdirectlymethods．a(chǎn)ndsomeclassicalsmoothingalgorithmsoftentendtounderminealotofdetails，suchastheedgesofanimage．Soourpap
6、erusesregularizationtosolvetheproblem，whichbychoosingtheoptimalparameterstoreconstructtheimages，basedonthistheory,themaincontributesofthepaperarelistasfollows：First，themostimportantinregularizationistodeterminetheoptimalparameter,whichischosenbasedonMSE(mean—squarederro
7、r)criterion，however,theoriginalimageisunknown，soitisimpossibletocomputetherealMSE．WeuseanunbiasedriskestimatethatisSURE(Stein’Sunbiasedriskestimate)tofittheMSE，thismethoddoesn’trequireanyoriginalimage—relatedinformation，onlytheobservedvalues．Second，comparedtothegrayimag
8、e，thecolorimagereconstructionismorecomplex，becausetherearemanyredundantandcomplementaryinformationincolorbands
