学位论文 > 优秀研究生学位论文题录展示
保持纹理的图像复原算法研究
作 者: 黄晓军
导 师: 刘晓云
学 校: 电子科技大学
专 业: 控制理论与控制工程
关键词: 图像复原 去除噪声 反降晰 non-local means filter 纹理保持
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 40次
引 用: 0次
阅 读: 论文下载
内容摘要
因为诸多因素的影响,图像在获取和传输过程中通常会降质,其典型表现是:模糊和有噪声。图像复原的目的是改善给定降质图像的质量,并尽可能地恢复出原始图像。反降晰和去除噪声是两类常见的图像复原问题。许多优秀的图像复原算法得到的估计值已经很接近原始未降质的图像,但在图像细节的处理上还有所欠缺。在实际图像中总有许多棱边和点构成的细节,而大多数复原算法的解过于平滑,从而导致这些纹理细节的丢失,损失了这些纹理就意味着损失了信息。为了在去除噪声和反降晰的同时保持好图像的纹理,本文做了以下主要工作:(1)针对噪声图像在去除噪声过程中保持图像纹理的复原问题,本文基于non-local means filter(NL-means filter)提出了一种改进算法。其基本思想是,用退化图像中所有像素点灰度值的加权平均来取代每一个相应像素点的灰度值。改进算法在计算权值时不仅用到了原算法比较邻域相似性的特点,还利用了图像中像素点灰度值的空间分布特性。通过大量的仿真实验,验证了改进算法能基本保持住图像的纹理和边缘,效果优于原NL-means算法,且原NL-means算法是本文改进算法的一个特例。(2)针对模糊图像在反降晰过程中保持图像纹理的复原问题,本文设计了一种保持图像纹理的反降晰算法(Texture-Preserving Image Deblurring,TPID)。该算法把反降晰的过程分为两步,首先采用Wiener滤波对模糊图像进行复原,得到一个对有用信号成分达到最小损失度的带噪结果,接着使用改进的NL-means算法来抑制泄露的有色噪声。该算法结合了Wiener滤波去除模糊快速、有效和改进NL-means算法抑制强噪、保持纹理的优点于一体,从而使得复原后的图像基本完好的保持了纹理。通过与其它优秀的反降晰算法的对比试验,证明了在保持图像纹理方面,本文算法的主观视觉评价和客观数值评价都比其他的方法好。为了提高算法的执行速度,我们在基于GPU(Graphic Process Unit)的CUDA(Compute Unified Device Architecture)编程模型上并行实现了该算法。实验结果显示的执行速度基本能满足实际应用需求。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第一章 绪论 9-15 1.1 论文的研究背景与研究目的 9-10 1.2 图像复原问题的国内外研究现状 10-13 1.3 本论文的主要研究工作 13-14 1.4 全文的结构安排 14-15 第二章 图像复原基础知识 15-22 2.1 数字图像的定义和表示方法 15-16 2.2 图像退化原因 16 2.3 图像退化/复原过程 16-20 2.3.1 图像退化/复原模型 16-17 2.3.2 常见点扩展函数类型 17-18 2.3.3 常见噪声模型 18-20 2.4 图像复原质量评估准则 20-22 第三章 保持纹理的NL-means 算法介绍及其改进算法设计 22-37 3.1 NL-means 算法产生的背景 22-25 3.2 NL-means 滤波算法 25-27 3.2.1 NL-means 算法介绍 25-26 3.2.2 关于NL-means 的几个问题 26-27 3.3 改进的NL-means 算法 27-29 3.3.1 改进算法的理论基础 27-28 3.3.2 改进算法的设计 28-29 3.4 实验结果与分析 29-35 3.4.1 对比实验 29-34 3.4.2 实验参数设置 34-35 3.5 本章小结 35-37 第四章 一种保持纹理的反降晰算法 37-53 4.1 保持纹理的图像反降晰算法 37-40 4.1.1 TPID 算法的提出 37 4.1.2 TPID 算法设计 37-40 4.2 基于GPU 的TPID 算法并行加速 40-42 4.2.1 加速策略的提出 40 4.2.2 基于GPU 的CUDA 编程模型简介 40-41 4.2.3 基于GPU 的TPID 加速算法设计 41-42 4.3 实验结果与分析 42-52 4.3.1 对比实验 42-51 4.3.2 参数设置 51-52 4.4 本章小结 52-53 第五章 总结 53-57 5.1 本文工作总结 53-54 5.2 本文不足与后续研究方向 54-57 5.2.1 本文的不足 54-55 5.2.2 本文的后续研究方向 55-57 致谢 57-58 参考文献 58-61 附录 61-66 攻硕期间取得的研究成果 66-67
|
相似论文
- 基于相位差异法的图像复原技术研究,TP391.41
- 基于公共安全的毫米波辐射图像特征研究,TP391.41
- 运动与离焦模糊图像的复原,TP391.41
- 面向IICCD相机不完全随机采样遥感图像的重建算法,TP751
- 基于总体变分法的图像去噪和复原研究,TP391.41
- 基于后向散射噪声模型的水下图像复原算法研究,TP391.41
- 常见模糊类型图像复原的研究与实现,TP391.41
- 医学内窥镜影像系统及图像复原研究,TP391.41
- 全景环形透镜成像系统的研究与应用,TP391.41
- 雾天图像的复原技术研究,TP391.41
- 弱信号检测随机共振机制的网络模型及应用研究,TN911.23
- 基于多项式外推的图像复原加速算法研究,TP391.41
- 运动模糊图像复原系统设计与实现,TP391.41
- 自适应光学图像复原算法研究,TP391.41
- 采用图像融合过程的多图像复原,TP391.41
- 视频模糊图像的复原算法研究,TP391.41
- 自适应光学图像恢复的研究,TP391.41
- 反卷积网络图像表述与复原,TP391.41
- 共焦显微图像复原及其正则化方法研究,TP391.41
- 简单透明数字标记擦除模型的设计与实现,TP391.41
- 基于计算机视觉技术的图像识别与复原,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|