基于分子计算的图像智能恢复技术研究

论文摘要

数字图像在获取的过程中,由于光学系统的像差、光学成像衍射、成像系统的非线性畸变、摄影胶片的感光的非线性、成像过程的相对运动、大气的湍流效应、环境随机噪声等原因,图像会产生一定程度的退化,因此,必须采取一定的方法尽可能地减少或消除图像质量的下降,恢复图像的本来面目,这就是图像恢复,也称为图像复原.随着社会生产力的发展,图像恢复技术己经被广泛地应用到科学研究、工农业生产、军事技术、政府部门、医疗卫生等许多领域,因此本文对这个问题进行了专门的讨论.本文把图像恢复的处理过程分为两大阶段,第一阶段是恢复前的预处理阶段;第二阶段是图像恢复阶段.由于退化图像中往往含有大量噪声,因此在进行图像恢复前必须对退化图像进行预处理,减少噪声的干扰,为恢复做好准备,本文把小波域的图像去噪和图像增强作为预处理的主要工作.第二阶段图像恢复阶段也分成两个步骤:第一步是求解退化函数,第二步实现恢复滤波.求解退化函数一直是图像恢复的难点,本文提出了一种利用DNA遗传算法训练求解退化函数的新方法.恢复滤波同样是图像恢复的难点,本文提出了两种新的方法进行恢复滤波.第一种滤波恢复方法是改进传统的维纳滤波,让维纳滤波的参数可以自适应的选择,并且用DNA遗传算法对参数进行优化.第二种滤波恢复方法是把图像恢复问题归结为多目标优化问题,综合多方面的因素使恢复效果达到总体较优,这种方法较好的改善了传统图像恢复存在的问题.经实验验证,本文的方法取得了较理想的结果,恢复效果比经典方法有明显的改善;论文提出的方法为图像恢复提供了新的思路.

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本课题简介
• 1.2 分子计算的发展过程和研究现状
• 1.3 图像恢复的发展过程和研究现状
• 1.4 论文的主要工作及内容安排
• 第二章 小波分析基础
• 2.1 小波分析简介
• 2.2 多分辨分析
• 2.3 小波变换算法
• 2.3.1 小波分解算法原理
• 2.3.2 小波重构算法原理
• 2.3.3 边界的处理方式
• 2.3.4 初始系数的选择
• 2.3.5 二维小波变换简介
• 2.4 本章小结
• 第三章 图像预处理
• 3.1 图像预处理简介
• 3.1.1 图像去噪经典算法简介
• 3.1.2 图像增强经典算法简介
• 3.2 图像去噪
• 3.2.1 算法的基本原理
• 3.2.2 算法的实现
• 3.2.3 算法的改进
• 3.3 图像增强
• 3.3.1 NeighShrink 方法
• 3.3.2 ENS 方法
• 3.4 本章小结
• 第四章 图像恢复处理
• 4.1 图像恢复简介
• 4.2 求解退化函数
• 4.2.1 传统的求解退化函数的思路
• 4.2.2 DNA 遗传算法概述
• 4.2.3 用DNA－GA 训练求解退化函数
• 4.3 恢复滤波处理
• 4.3.1 用DNA－GA 改进维纳滤波
• 4.3.2 基于多目标优化的图像恢复滤波
• 4.4 本章小结
• 第五章 实验结果分析与讨论
• 第六章 结论与展望
• 6.1 结果及其总结
• 6.2 本课题的展望
• 参考文献
• 致谢
• 作者攻读硕士期间撰写的论文