圖像復(fù)原技術(shù)研究背景及現(xiàn)狀-資料下載頁(yè)
2025-10-16 17:06本頁(yè)面
【導(dǎo)讀】將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過(guò)程。數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)。早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對(duì)象，以改。善人的視覺(jué)效果為目的。題，在科學(xué)研究和工程領(lǐng)域中被廣泛應(yīng)用。在獲取圖像過(guò)程中，由于光學(xué)系統(tǒng)的。實(shí)圖像之間不可避免地存在偏差和失真。這種圖像質(zhì)量下降的情況在很多實(shí)際應(yīng)。鏡的球面像差往往會(huì)降低電子顯微照片的質(zhì)量等等。因此，為了消除或減輕這種。退化造成的影響，盡可能使圖像恢復(fù)本來(lái)面貌，就需要使用圖像復(fù)原技術(shù)川。行推導(dǎo)求解的，采用各種反卷積處理方法，如逆濾波等，對(duì)圖像進(jìn)行復(fù)原。是在滿足這些約束條件的前提下，求取真實(shí)圖像在某種準(zhǔn)則下的最佳估計(jì)值。醫(yī)學(xué)影像、交通監(jiān)控、刑事偵察等等。因此，必須對(duì)所得到的。的限制，壓縮比較高，若解壓縮后不經(jīng)處理，則存在非常明顯的方塊效應(yīng)。的信噪比水平較低時(shí)獲得的結(jié)果往往不太理想。次正則化泛函，從而使得問(wèn)題的求解成為一個(gè)非線性問(wèn)題。
【正文】 的結(jié)果往往不太理想。 正則化方法作為一種解 決病態(tài)反問(wèn)題的常用方法，通常用圖像的平滑性作為約束條件，但是這種正則化策略通常導(dǎo)致復(fù)原圖像邊緣的模糊。為了克服邊緣退化問(wèn)題，最近幾年，不少學(xué)者對(duì)于各種“邊緣保持”的正則化方法進(jìn)行了比較深入的研究，提出了一些減少邊緣退化的正則化策略，這些策略通常需要引入非二次正則化泛函，從而使得問(wèn)題的求解成為一個(gè)非線性問(wèn)題。沿著這一思路， Geman和 Yang,提出了“半二次正則化”的概念來(lái)解決這種策略中出現(xiàn)的非線性優(yōu)化問(wèn)題。其后， Charbonni 等人在此基礎(chǔ)上研究了一種新的半二次正則化方法，從而可以用確定性算法來(lái)得到問(wèn)題的 最優(yōu)解。另一個(gè)較新的發(fā)展使 Vogel 等人提出的基于全變差模型的圖像復(fù)原算法。盡管這些算法都在一定意義上提高了復(fù)原圖像的質(zhì)量，但邊緣模糊的問(wèn)題并未得到理想的解決。 另外，近年來(lái)小波的理論發(fā)展迅速，并廣泛應(yīng)用于圖像復(fù)原中?；谛〔ㄗ儞Q的迭代正則化圖像復(fù)原算法，兼顧抑制噪聲的增長(zhǎng)和保留圖像的重要邊界。具有噪聲估計(jì)能力的圖像恢復(fù)正則化方法。 Belge 等人以廣義高斯模型作為小波系數(shù)的先驗(yàn)分布，提出了一種小波域邊緣保持正則化方法，同時(shí)給出了小波域圖像復(fù)原的一般框架，但其復(fù)原結(jié)果相對(duì)于傳統(tǒng)方法提高得并不顯著。趙書斌等人以混合高斯模型逼近小波系數(shù)的分布，并引入小波域隱馬爾可夫模型作為自然圖像的先驗(yàn)概率模型對(duì)圖像超分辨率復(fù)原問(wèn)題進(jìn)行正則化，復(fù)原效果不錯(cuò)，但該方法還是不能避免計(jì)算量大的缺點(diǎn)。從圖像復(fù)原的 Bayesian 框架出發(fā)，小波域局部高斯模型的線性圖像復(fù)原算法，該方法可較好地再現(xiàn)了圖像的各種邊緣信息，取得不錯(cuò)的復(fù)原 效果。
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1