發(fā)布時(shí)間：2020-07-20 21:34

【摘要】：圖像恢復(fù)是圖像處理領(lǐng)域里的熱點(diǎn)研究方向,如何將受到噪聲破壞或者有數(shù)據(jù)缺失的圖像復(fù)原的問(wèn)題受到了學(xué)者們的廣泛關(guān)注。近年來(lái),基于低秩矩陣恢復(fù)的圖像恢復(fù)算法不斷被提出并展示出其優(yōu)秀的圖像恢復(fù)性能。低秩先驗(yàn)已成為圖像恢復(fù)算法中使用率很高的一種先驗(yàn)知識(shí)。由于一種更好的圖像恢復(fù)方法同時(shí)也揭示了對(duì)自然圖像更好的先驗(yàn)知識(shí),所以,充分挖掘與利用好先驗(yàn)信息是非常重要的。本文以低秩先驗(yàn)為基礎(chǔ),研究了結(jié)合多種先驗(yàn)信息建模的圖像去噪和矩陣填充問(wèn)題。主要內(nèi)容如下:第一章,首先簡(jiǎn)單介紹了圖像恢復(fù)的產(chǎn)生背景和研究意義,接著概述了圖像去噪和矩陣填充問(wèn)題的研究現(xiàn)狀。最后對(duì)本文的主要研究?jī)?nèi)容以及組織結(jié)構(gòu)作了說(shuō)明。第二章,介紹了低秩矩陣恢復(fù)的相關(guān)理論知識(shí),主要包括低秩矩陣逼近問(wèn)題以及矩陣秩極小化問(wèn)題,并對(duì)本文求解優(yōu)化問(wèn)題所用到的交替方向乘子法作了簡(jiǎn)要介紹。第三章,針對(duì)被脈沖噪聲破壞的圖像,運(yùn)用低秩矩陣逼近方法,提出了結(jié)合圖像低秩與噪聲先驗(yàn)信息建模的脈沖噪聲去除模型,并且采用交替方向乘子法框架提出了一個(gè)高效的優(yōu)化求解算法對(duì)所提出的非凸優(yōu)化問(wèn)題進(jìn)行求解。通過(guò)所提方法與多種優(yōu)秀的脈沖噪聲去除方法在真實(shí)圖像數(shù)據(jù)上的大量對(duì)比實(shí)驗(yàn)表明,所提方法在視覺效果上表現(xiàn)更好且峰值信噪比(PSNR)指標(biāo)上也有很大提升。第四章,主要研究了基于低秩與光滑先驗(yàn)的矩陣填充問(wèn)題。以矩陣秩極小化理論為基礎(chǔ),在基于核范數(shù)最小化矩陣填充算法中,針對(duì)核范數(shù)并非秩函數(shù)的最佳逼近函數(shù)這一問(wèn)題,本文結(jié)合加權(quán)Schatten-p范數(shù)與截?cái)嗪朔稊?shù)的優(yōu)點(diǎn),采用加權(quán)截?cái)郤chatten-p范數(shù)做為秩函數(shù)的逼近函數(shù)。同時(shí)采用改進(jìn)的二階全變分范數(shù)對(duì)圖像的局部光滑先驗(yàn)信息進(jìn)行建模,提出了WTP-MSTVM矩陣填充模型。同樣的,采用交替方向乘子法框架提出了一個(gè)高效的優(yōu)化求解算法對(duì)所提出的的優(yōu)化問(wèn)題進(jìn)行求解。最后,通過(guò)大量的數(shù)值對(duì)比實(shí)驗(yàn)證實(shí)了所提方法的圖像修復(fù)效果與現(xiàn)有方法相比得到了顯著的提升。第五章,對(duì)全文進(jìn)行了歸納總結(jié),并對(duì)結(jié)合多種先驗(yàn)信息建模的圖像去噪與矩陣填充問(wèn)題可進(jìn)行的后續(xù)研究做了分析和展望。
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：C81

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 彭義剛;索津莉;戴瓊海;徐文立;;從壓縮傳感到低秩矩陣恢復(fù):理論與應(yīng)用[J];自動(dòng)化學(xué)報(bào);2013年07期

本文編號(hào)：2763980