基于稀疏模型的圖像復(fù)原技術(shù)研究.pdf

1、圖像復(fù)原是將現(xiàn)已質(zhì)量下降的圖像通過某種方法恢復(fù)出原高質(zhì)量圖像的技術(shù)。作為數(shù)字圖像處理領(lǐng)域中最基礎(chǔ)、最重要的研究熱點之一，圖像復(fù)原技術(shù)的研究具有重大意義和深遠(yuǎn)影響。結(jié)合稀疏表示的圖像復(fù)原技術(shù)，圖像復(fù)原效果好，魯棒性強，值得進一步研究。本文主要圍繞稀疏表示在圖像復(fù)原中的應(yīng)用進行深入的研究，并對現(xiàn)有的一些算法進行改進創(chuàng)新，主要完成如下工作。
　　主要針對圖像的復(fù)原的基本理論知識和稀疏表示的相關(guān)知識進行了簡單的介紹。首先敘述了圖像復(fù)原的基

2、本原理，針對圖像退化過程和復(fù)原過程進行數(shù)學(xué)建模，其次介紹了稀疏表示的基本原理，最后就本文所使用的圖像質(zhì)量評價方法做了重點分析。
　　大氣湍流同分子運動一樣都是大氣不規(guī)則運動的一種重要形式,它能使遠(yuǎn)距離拍攝的圖像變得模糊，從而嚴(yán)重影響對觀測目標(biāo)的識別與跟蹤。本文針對大氣湍流退化圖像的復(fù)原問題展開研究。首先對大氣湍流退化圖像的具體特征進行分析，結(jié)合稀疏表示理論，充分說明采用字典學(xué)習(xí)復(fù)原大氣湍流退化圖像具有理論依據(jù)；然后采用DCT過完備

3、字典、K-svd全局字典以及自適應(yīng)字典對大氣湍流退化圖像進行處理，并采取傳統(tǒng)的維納濾波算法作對比實驗，進行相應(yīng)的實驗和數(shù)據(jù)分析。通過仿真實驗不僅驗證了稀疏表示在大氣湍流退化圖像復(fù)原方面的有效性，而且說明通過字典學(xué)習(xí)的方法得到的復(fù)原圖像效果更優(yōu)。
　　為了降低計算復(fù)雜度，提高算法速率，解決圖像復(fù)原時遇到的不適定難題，本文將稀疏正則化和非局部自相似進行結(jié)合，采用兩種有效的約束方式對圖像進行約束，將難以求解的不適定問題轉(zhuǎn)化為極易求解的適