文档介绍：万方数据
小波多尺度分析目标图像复原行自适应正则化求解W允视φ蚧丛那疤崾欠治鐾枷王春歆庞褚,赵育良1颍>娇展こ萄г呵嗟悍衷海蕉嗟甌像,并利用该图像加权调节正则化参数进行复原操作。实验表明该算法能够有效处理大尺度模糊,并能够较快地收敛到易于辨识病态性导致复原结果敏感于噪声及点扩散函数的估计误差,为了修改复原过程使其接近良态,以在抑制噪声及虚假波纹的同时保持目标图像的细节,常常需要—些先验条件限制对图像进的局部特性,主要包括分析图像的噪声分布及纹理分布等。文化参数,这类方法主要用于去噪复原,虽能有效抑制噪声放大,区域加强复原,这样既能够抑制噪声同时也能抑制虚假波纹,基础上区分原始图像的棱边区域与平坦区域,由于原始图像未知,利用这些方法对模糊图像处理时,容易受模糊产生的虚假计算机工程与应用—琂焙=⒍嗟捍笱畔⒐こ萄г杭扑阒行模蕉嗟甉,琒.。:【.,;摘要:为了有效复原模糊图像以得到可辨识的目标图像,需要根据目标图像的纹理特征来进行有约束的正则化复原。针对大尺度模糊图像的复原处理,通过分析常见的自适应正则化方法在抑制噪声及虚假波纹方面存在的问题,提出基于小波多尺度分析的正则化复原方法,该方法利用小波变换的多尺度分析技术直接分析模糊图像,结合形态学操作得到合理反映目标棱边分布的图的目标图像。关键词:图像复原;小波变换;多尺度分析;正则化琷..—...文章编号:—文献标识码:中图分类号:图像复原即处理模糊图像使其恢复到或者接近原始图像的内容,该技术主要用于各种图像信息获取、目标辨识等,所以无论在军事还是民用领域都具有重要的应用价值。图像复原发展到现在,对其结果图像的准确度要求越来越高,要求能够处理更大尺度的模糊,以达到对模糊目标的识别。图像复原常可归结为—个向量反卷积过程,反卷积求解的献【】等方法利用小波分析估计噪声分布并相应地调整正则但不能有效去除由反卷积复原产生的虚假波纹。文献—等方法的思想都是根据图像纹理特征调节正则化参数或算子,生成自适应的惩罚项进行约束求解,在平坦区域加强平滑,在棱边所以研究如何合理划分纹理区域具有更重要的意义。目前研究者们给出许多分析纹理分布的方法,其思想基本是在棱边提取基金项目:国家高技术研究发展戈彩Γ饕Q芯苛煊蛭<扑慊萃诰颉,,:,。;猺.。作者简介:王春敬。男,博士生,主要研究领域为图像处理、目标检测;张玉叶,女,博士生,主要研究领域为图像复原;姜彬收稿日期:—謦回日期:—甆瓹,瓹,,.:甌甌瑃.,.篿
万方数据
棱边干扰而不能合理定位真实棱边,其后果是使得复原求得错重于对噪声的估计及去噪,这里考虑如何在小波域分析图像的法对模糊图像进行小波多尺度变换,然后在小波域内分析其棱淳砘丛淖允视φ蛟际蠼饧蛭算。方程中的工直鹞6卣笊傻南蛄浚帐怯傻原,除了噪声的放大,复原产生的各种虚假波纹也会影响复原铃形波纹。观察发现,振铃波纹是以模糊尺度为周期出现的,模正则化约束求解的—般形式为对下式求最小值嘲:珹这是—个正则化目标泛函。其中,项,表示原始图像的恢复程度或者说是逼近程度;—个正则项,用来约束求合理解。钦蚧问琧是正则化特征区域进行自适应地正则化约束。也就是对图像的棱边区域常用的区分棱边与平坦区域方法可分为两类:一类是直接对模糊图像处理;另一类是先用比较简单的频域复原算法得到取,很可能将虚假波纹认作真实棱边。将上述方法得到的错误划分结