噪声水平未知时一种图像恢复正则化算法

论文摘要

图像恢复是图像信息处理中的基本问题之一。近年来,其技术广泛应用于射电天文学、卫星遥感、医学成像、工业视觉等领域。恢复的方法有正则化方法、迭代方法、统计方法等。 针对噪声水平未知情况,本文改进了R.Youmaran和A.Adler提出的图像恢复双参数（α,N）正则化框架。具体方面包括:正则参数α的选取基于L-曲线准则迭代确定;将需要很大存储量的Euler方程求解转换成等价的只需很少存储量的极小化问题,用共轭梯度最小二乘法求解;共轭梯度最小二乘法迭代次数N由问题精度要求自适应产生;基于粗糙初值的正则参数迭代初值的快速选取等。 对两种具有代表性的图像降质模型（均匀模糊和Gauss模糊）进行大量数值试验的结果表明此方法具有较快的收敛速度和较好的恢复能力,改进信噪比（ISNR）普遍提高0.3db以上。同时,本方法程序全部应用matlab语言在台式电脑上实现,希望对在台式电脑上进行实时高效图像恢复工作有促进作用。

论文目录

• 第一章 绪论
• §1-1 问题的提出：从不适定问题角度诠释图像恢复
• 1-1-1 图像和数字图像
• 1-1-2 图像降质连续模型
• 1-1-3 图像恢复问题的不适定性
• §1-2 关于图像恢复代数方法的简单评述
• §1-3 本文的主要内容和工作意义
• 第二章 图像降质模型的离散正则化
• §2-1 连续图像降质模型的离散化
• §2-2 离散问题的正则化
• §2-3 噪声水平已知情况下确定正则参数的准则
• 第三章 噪声水平未知时双参数的图像恢复正则化算法
• §3-1 问题困难重述
• §3-2 噪声水平未知情况下正则参数的选取
• §3-3 基于L-曲线准则的双参数图像恢复正则化算法
• 3-3-1 正则参数迭代初值的快速改进——GTPA算法
• 3-3-2 构造Euler方程等价的极小化问题
• 3-3-3 本文算法——myCGTik
• 第四章 数值试验及结果分析
• §4-1 均匀模糊图像的恢复
• 4-1-1 建立退化模型
• 4-1-2 试验结果及分析
• §4-2 Gauss模糊图像的恢复
• 4-2-1 建立退化模型
• 4-2-2 试验结果及分析
• 第五章 结论
• 参考文献
• 致谢