【摘 要】
:
近年来,随着各种电子产品在生活中的普及,数字图像处理受到越来越多的关注。作为图像处理领域的重要组成部分,图像去模糊问题是国际上的一个研究热点。图像的模糊常常是由于
论文部分内容阅读
近年来,随着各种电子产品在生活中的普及,数字图像处理受到越来越多的关注。作为图像处理领域的重要组成部分,图像去模糊问题是国际上的一个研究热点。图像的模糊常常是由于人手的抖动或者场景的运动造成的,也就是所谓的运动模糊。在大多去模糊方法中,最常见的先验知识之一就是自然图像的梯度服从Heavy-tailed Distribution(重尾分布),在图像复原过程中作为正则项。而传统的图像去模糊方法中仅仅考虑到了自然图像的一阶先验,没有考虑到其高阶先验。同时,传统逼近模型的不准确性导致恢复出的清晰图像中存在细节丢失的现象。针对这一问题,本文首先对FoE(Field of Experts)模型进行了深刻的学习和研究,利用FoE模型学习出8个3x3的滤波算子,这些滤波算子中含有自然图像的高阶先验信息;其次,本文将这些学习结果用于指导图像复原过程,改进了传统的基于重尾分布模型的正则项,提出了一种基于自然图像高阶先验的图像复原模型;最后,为了求解本文的模型,我们采用了IRLS方法。实验证明,本文基于高阶先验学习的图像复原方法取得了较好的结果,能够在恢复出的清晰图像中很好地保持图像的细节。对于模糊较大的情况,本文的图像复原方法仍然能够很好处理,是一种有效的方法。
其他文献
变分不等式在交通、机械、计算机、电气、金融以及能源等等很多领域都发挥着举足轻重的作用,大多数均衡问题都能通过变分不等式理论来得到解决.20世纪60年代以来,确定型变分不
随着大规模无线通信系统的广泛应用,用户以及接入点的空间位置往往并非完全规则部署。由于无线Ad-Hoc网络具有良好的自组织性,动态拓扑性及无中心性使其有迅速组网,快速部署
当今,社会已经进入网络信息时代,计算机与网络信息技术的飞速发展使得各个领域的数据和信息急剧增加(信息爆炸),并且由于人类的参与使数据与信息系统中的不确定性更加显著(复
Ad Hoc网络作为一种多跳的、无中心的、自组织无线网络,每个节点都具有极强的自主性,因此我们首先对每个节点内部的控制机制进行了研究。利用Geom/G/1排队系统和Little定理计
很多源自实际应用中的问题,如将不完整或者受污染的信息恢复为正确的信息,其解一般具有稀疏或是低秩的性质。这类问题可以通过求解核范数极小化问题来实现。 本论文考虑了两
一类吊桥方程如下{utt+uxxxx+bu+=2√2φ00 x∈[-π/2,π/2],t∈(-∞,+∞),u(-π/2,t)=u(π/2,t)=uxx(-π/2,t)=uxx(π/2,t)=0,u(x,t)=u(-x,t)=u(x,t).本文主要运用拓扑度理论和泛函分析的手段,讨论当u(x,t
现今,大偏差理论是金融和保险领域研究的热点之一.越来越多的学者致力于大偏差的研究.近期,有学者在大偏差的基础上研究了局部大偏差. 本文研究多维风险模型中独立和的问题.
神经网络是一种非常重要且复杂的大规模动力系统,具有十分丰富的动力学属性.它已在联想记忆、组合优化、信号处理等问题中得到广泛应用.由于神经网络的通信带宽,承载能力和服
众所周知,在模论甚至代数发展过程中,内射模起着越来越重要的作用,它的发展对代数的发展起到了很大的推动.在内射模中,任何子模都是其某一直和项的本质子模,具有这种性质的模称为