收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于变分正则化与统计学习的低质图像质量提升方法

王力谦  
【摘要】:视觉是人类感知外界的主要途径,图像在人类的视觉感知中扮演着相当重要的角色。图像处理的主要目的是使处理后的结果能够满足人类或者机器视觉分析应用要求。高质量图像的边缘、纹理等细节特征和高保真的色彩不仅给人以赏心悦目的感受,而且有利于后续的特征抽取和高层模式识别。所以,如何获取高质量的图像一直是人们非常关注的问题。然而,由于成像设备和成像过程不可避免地受到相机抖动、不均匀光照、恶劣天气等不利因素影响,所获取的图像会模糊不清、目标结构难以辨识,视觉效果不理想。因此,低质图像质量提升(涵盖图像去噪、去模糊、增强、去雾、超分辨等)成为图像处理经久不衰的研究课题。论文围绕图像复原、图像增强和图像去雾等低质图像质量提升问题,研究了基于变分正则化和统计学习的新方法,取得的创新性成果为:(1)针对图像复原问题,以同时保持图像中物体边缘和局部结构细节为目标,分析了传统全变差(Total Variation, TV)正则项和基于稀疏性先验的正则项的优缺点,提出了一种联合Tetrolets阈值收缩和加权各向异性TV的图像复原模型和算法。我们利用加权各向异性TV来保持图像中多个方向的边缘,同时利用Tetrolet变换的多尺度性质和Tetrolets的支集具有多形状自适应的特点,建立了基于Tetrolets阈值收缩的稀疏性正则项;通过联合加权各向异性TV正则项和Tetrolet稀疏性正则项,得到最终的复合正则化图像复原模型,并给出了求解模型的对偶Douglas-Rachford分裂算法。实验结果表明,与其他基于TV正则化的图像复原模型或基于其他经典稀疏性先验的图像复原模型相比,本文提出的模型和算法无论是对灰度图像还是彩色图像,都能够保持图像中的重要边缘和小尺度的细节结构。(2)通过对图像增强的感知启发变分框架的分析,针对该框架中原有的能量泛函在增强图像对比度时不能自适应图像的局部亮度的问题,以及基于相关熵距离的离差能量项在度量两幅图像之间的统计相似性时没有考虑像素之间的相对位置关系,会造成图像颜色不够自然的现象,提出了一种利用Wasserstein距离的局部亮度自适应彩色图像增强模型。该模型基于感知启发变分框架,模拟人类视觉感知特性,构造了一个图像局部亮度指标,使得对比度能量项能够针对图像中不同区域的亮度自适应地增强局部对比度,同时在离差能量项中采用Wasserstein距离作为原始图像和估计图像之间像素强度的相似性度量。实验结果表明本文提出的方法不仅能够增强图像中明亮区域和昏暗区域的对比度,还能够还原图像的真实色彩。(3)从人类视觉系统神经生理学的研究成果看,人类视觉对色彩的感知是不因光照强弱变化而变化的,经典的Retinex理论模拟并解释了人类视觉系统是如何感知色彩和光照的。本文根据Retinex理论,研究图像的像素强度、反射系数与照度的性质,提出了基于变分贝叶斯框架的Retinex新模型和彩色图像增强方法。对照度图像、反射率图像和参数分别建立先验模型,利用分层贝叶斯方法建立了同时估计照度分量、反射率分量和模型超参数的统计估计框架。进一步给出了易于求解的Retinex变分贝叶斯模型和图像增强新算法。理论分析和实验结果表明,本文提出的Retinex变分贝叶斯框架具有很好的灵活性,可以根据不同的图像先验设计不同的Retinex方法。同时,本文方法能避免在处理图像时对未知参数的调节,进而在给定相同额外信息时,能比其他基于Retinex理论的图像增强方法得到更加准确的结果。(4)针对雾天图像质量提升问题,以雾的光学模型为基础,针对现有的基于样例的图像去雾方法没有充分利用观测的有雾图像及其对应的介质传播图之间的关系的不足,提出了一个基于二维典型相关分析(Two-Dimensional Canonical Correlation Analysis,2D CCA)的图像去雾方法。该方法假设无雾图像中局部小块是平滑的且近似于常数,推断出观测的有雾图像块及其对应的介质传播图像块之间潜在的线性相关性。为了充分利用观测的有雾图像及其对应的介质传播图之间的关系,利用已有的雾天道路图像数据库和2D CCA学习出一个能使这种线性相关性最大化的子空间。给定一幅有雾的测试图像,其对应的未知的介质传播图就可以在该子空间基于这个相关性用最近邻算法重建出来。由于初始估计的介质传播图是用图像块重建出的,比较粗糙不平滑,进而提出一个局部均值自适应引导滤波来精细化介质传播图。最后,去雾后的结果图像通过二色大气模型来求出。实验结果表明,本文提出的单幅图像去雾方法在重建待估计的介质传播图时更加可靠且有意义,提出的介质传播图精细化方法能很好地保持图像中不同距离的结构,从而得到更加准确的去雾结果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李妍妍;李媛媛;叶世伟;;基于流形正则化的支持向量回归及应用[J];计算机应用;2007年08期
2 毛玉明;郭杏林;赵岩;吕洪彬;;基于精细计算的动载荷反演问题正则化求解[J];动力学与控制学报;2009年04期
3 仇光;郑淼;张晖;朱建科;卜佳俊;陈纯;杭航;;基于正则化主题建模的隐式产品属性抽取[J];浙江大学学报(工学版);2011年02期
4 刘超,刁现芬,汪元美;超声逆散射成像问题中的正则化方法研究[J];浙江大学学报(工学版);2005年02期
5 周定法;;电磁逆散射成像的一种混合正则化方法[J];微计算机信息;2007年13期
6 顾勇为;归庆明;张磊;;基于复共线性诊断的正则化方法[J];信息工程大学学报;2007年04期
7 蔡传宝;汤文成;;基于有限元法-正则化的弹性模量反求算法研究[J];应用力学学报;2009年01期
8 侯卫东,莫玉龙;动态电阻抗图象重建的正则化方法[J];计算机工程;2001年09期
9 王彦飞;数值求解迭代Tikhonov正则化方法的一点注记[J];数值计算与计算机应用;2002年03期
10 许建华,张学工,李衍达;最小平方误差算法的正则化核形式[J];自动化学报;2004年01期
11 凌建国;刘尔琦;梁海燕;杨杰;;基于正则化观测矢量的H无穷粒子滤波红外目标跟踪方法[J];红外与激光工程;2007年04期
12 宛艳萍;孙曙光;肖庭延;;数值求导的离散正则化方法[J];计算机工程与科学;2008年10期
13 任淑艳;李小鹏;杨永刚;李静;段海龙;;正则化技术在锥光全息测量图像处理中的应用[J];机床与液压;2011年09期
14 吴玲达;郝红星;;一种图像去模糊正则化恢复算法参数确定方法[J];国防科技大学学报;2012年04期
15 李妍妍;李媛媛;叶世伟;;基于流形正则化的分类与回归算法及应用[J];计算机仿真;2007年10期
16 李文亮;牟善祥;徐光进;刘峰;;基于正则化估计的宽带阵列通道校正方法[J];现代雷达;2013年02期
17 戴伟辉,高汝熹;不适定逆成像问题的多准则正则化求解方法[J];复旦学报(自然科学版);2000年01期
18 薛晖;;判别性正则化:一种新颖的分类器学习方法(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2009年01期
19 吕佳;;结合全局和局部正则化的半监督二分类算法[J];计算机应用;2012年03期
20 杨华,许王莉,赵红蕊,陈雪,王锦地;定量遥感正则化反演中的信息流及其控制[J];中国科学(D辑:地球科学);2003年08期
中国重要会议论文全文数据库 前8条
1 杨元喜;徐天河;;综合验前模型信息和验后观测信息的自适应正则化方法[A];《大地测量与地球动力学进展》论文集[C];2004年
2 解凯;吕妍昱;;一种高效的正则化参数估计算法[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(上册)[C];2008年
3 苏利敏;王耀威;王彦飞;;基于SAR特征的正则化计算方法及其在纹理分类中的应用[A];第25届中国控制会议论文集(下册)[C];2006年
4 曹毅;吕英华;;基于微遗传算法和正则化处理的模糊图像复原方法[A];全国第13届计算机辅助设计与图形学(CAD/CG)学术会议论文集[C];2004年
5 周定法;薄亚明;;解电磁逆散射问题的截断完全最小二乘方法[A];第七届工业仪表与自动化学术会议论文集[C];2006年
6 魏素花;王双虎;许海波;;轴对称物体X射线层析成像的正则化方法[A];全国射线数字成像与CT新技术研讨会论文集[C];2012年
7 刘晓芳;徐文龙;陈永利;;基于非二次正则化的并行磁共振图像保边性重建[A];浙江生物医学工程学会第九届年会论文汇编[C];2011年
8 王金海;王琦;郑羽;;基于L_1正则化和投影方法的电阻抗图像重建算法[A];天津市生物医学工程学会第三十三届学术年会论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 钟敏;反问题多尺度迭代正则化方法[D];复旦大学;2014年
2 产文;Web社区问答检索的关键技术研究[D];复旦大学;2014年
3 王静;电阻抗成像的几种正则化方法研究[D];哈尔滨工业大学;2015年
4 李维;有限元方法和正则化策略在光学分子影像中的应用[D];西安电子科技大学;2015年
5 闫青;基于梯度正则化约束的图像重建算法研究[D];上海交通大学;2014年
6 杨焘;流形正则化多核模型的监督与半监督分类研究与应用[D];北京科技大学;2016年
7 王力谦;基于变分正则化与统计学习的低质图像质量提升方法[D];南京理工大学;2015年
8 方晟;基于正则化的高倍加速并行磁共振成像技术[D];清华大学;2010年
9 肖铨武;基于核的正则化学习算法[D];中国科学技术大学;2009年
10 薛晖;分类器设计中的正则化技术研究[D];南京航空航天大学;2008年
中国硕士学位论文全文数据库 前10条
1 焦彩红;正则化夹角间隔核向量机[D];河北大学;2015年
2 牛征骥;基于混合范数的电阻率反演算法研究[D];大连海事大学;2015年
3 杨娇;参数变化识别问题的稀疏约束正则化方法及应用[D];哈尔滨工业大学;2015年
4 张衍敏;基于正则化的多分散系纳米颗粒粒度反演优化方法研究[D];齐鲁工业大学;2015年
5 吴瀚;对于使用Adaptive Lp正则化的线性回归问题在高维情况下渐近性质的讨论[D];复旦大学;2014年
6 余钜东;正则化方法解决神经网络稀疏化问题[D];大连理工大学;2015年
7 高路;基于Bregman的CT稀疏角度迭代重建研究[D];西安电子科技大学;2014年
8 周阳权;井地电阻率成像2.5D正反演及其应用研究[D];东华理工大学;2015年
9 赵莉平;两类分数次微分相关反问题的正则化方法[D];西北师范大学;2015年
10 何淑梅;双层球域上逆热传导问题的经典正则化方法[D];西北师范大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978