

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著信息技術的快速發(fā)展,數(shù)字圖像處理技術已經(jīng)無所不在,在人類社會的各個領域都得到了廣泛的應用。文物圖像由于歷史年代久遠,受到各種自然因素的影響,使得一些文物面臨著噪聲,劃痕,圖像塊丟失等諸多問題,導致文物無法完整的呈現(xiàn)在我們的面前,手工修復需要專業(yè)技術人員進行,且存在修復周期性長等缺點,因此,利用圖像復原技術對文物修復具有深遠的意義。本文以秩極小化先驗模型為工具,重點針對文物圖像去噪和文物圖像修復這兩個文物圖像復原問題展開進行深入的研究
2、。本文的主要研究成果如下:
?。?)本文首先對現(xiàn)有的圖像復原方法做了簡單概述,在圖像去噪方面,描述了非局部均值、K-SVD以及BM3D去噪算法,并對各個算法原理進行了詳細介紹;在圖像修復方面,主要介紹了BSCB、TV和CDD經(jīng)典的修復方法,對各個算法進行了詳細分析。
?。?)在文物圖像去噪上,提出了一種基于非局部RPCA的文物圖像去噪方法。該方法利用非局部的思想,找到相似塊形成相似塊組矩陣后,考慮到相似塊的塊與塊之間具有
3、相似性的特點,如果直接利用原始的魯棒主成分分析(RPCA)模型對其進行低秩去噪,并沒有考慮到相鄰兩個圖像塊之間的相似性特點。出于這個考慮,在原始的RPCA模型中引入一個能夠表示相鄰兩個圖像塊具有相似性這一懲罰項,更好的對文物圖像進行去噪,在求解過程中,為了不增加輔助變量而導致計算量增大,采用線性化的交替方向對改進模型進行最優(yōu)化求解。實驗結果表明,相比于現(xiàn)有相關方法,本文去噪方法更具有較好的信息保持,獲得更好的去噪效果。
?。?)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于低秩分解和字典學習的醫(yī)學圖像復原方法.pdf
- 基于稀疏與低秩模型的光學遙感圖像盲復原方法研究.pdf
- 基于圖像先驗模型的正則化圖像復原方法研究.pdf
- 基于混合正則化方法的圖像復原問題研究.pdf
- 基于正則化優(yōu)化的圖像視頻復原方法研究.pdf
- 基于正則化方法的中子圖像復原算法研究.pdf
- 基于稀疏正則化的壓縮圖像復原方法研究.pdf
- 基于質量評估及低秩分解的圖像盲復原.pdf
- 監(jiān)控劣化圖像復原方法的研究.pdf
- 基于形態(tài)學和正則化的圖像復原方法研究.pdf
- 圖像復原的Bregman迭代正則化方法研究.pdf
- 基于圖像復原的一種正則化方法.pdf
- 基于能量極小化的圖像分割.pdf
- 基于PDE方法的圖像復原算法研究.pdf
- 基于稀疏約束的圖像盲復原方法研究.pdf
- 基于坐標下降的圖像復原方法研究.pdf
- 基于點擴散函數(shù)估計的正則化圖像復原方法.pdf
- 盲圖像復原方法的研究.pdf
- 基于低秩方法的極化SAR圖像分類方法.pdf
- 基于張量秩校正的圖像恢復方法研究.pdf
評論
0/150
提交評論