降質(zhì)圖像的變分貝葉斯超分辨與分層自適應(yīng)分割算法.pdf

1、圖像是機(jī)器視覺系統(tǒng)的重要視覺信息。然而，圖像采集和成像系統(tǒng)不可避免的存在模糊、運動變形和噪聲等降質(zhì)和退化過程，不但影響了人們對圖像的視覺感受，而且大大降低了圖像中有效信息的利用。例如，對降質(zhì)圖像進(jìn)行分割處理，分割的精度會嚴(yán)重下降，因而影響目標(biāo)的檢測、識別與理解。因此降質(zhì)圖像的預(yù)處理及其分割是圖像處理和計算機(jī)視覺中的一個重要科學(xué)問題。本文以降質(zhì)圖像的分層貝葉斯超分辨預(yù)處理和分層自適應(yīng)圖像分割為研究對象，展開相關(guān)算法研究。
　　 在

2、綜述了圖像超分辨和分割算法的國內(nèi)外現(xiàn)狀的基礎(chǔ)上，介紹了分層貝葉斯推斷及其變分貝葉斯原理，取得了如下研究成果:
　　 1)基于分層貝葉斯推理理論，我們設(shè)計和實現(xiàn)了一種基于水平和垂直梯度的L1稀疏性先驗的變分貝葉斯超分辨方法。通過圖像退化過程建模，圖像先驗建模和超參數(shù)先驗建模，建立了多幅圖像變分貝葉斯超分辨模型，最后實現(xiàn)了非盲和盲兩種方式的圖像超分辨率重建算法。并且基于YUV顏色空間進(jìn)行推廣，實現(xiàn)了彩色圖像的貝葉斯超分辨率重建。實驗

3、結(jié)果表明:貝葉斯超分辨方法能得到很好的估計多幅圖像的配準(zhǔn)參數(shù)，達(dá)到較好的多幅圖像的盲超分辨。
　　 2)研究了一種基于代數(shù)多重網(wǎng)格的分層次圖像分割的方法機(jī)理。在此基礎(chǔ)上，通過建立分層次圖模型，給出了一種新的自上而下的圖像分層自適應(yīng)分割方法。實驗結(jié)果驗證了該算法能實現(xiàn)多尺度的自動分割，本文分割方法在沒有交互信息的情況下能夠取得接近于帶交互信息的迭代圖割算法的分割性能，具有很好的分割精度。
　　 3)設(shè)計與實現(xiàn)了一個降質(zhì)圖像