2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩157頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、1975年,世界首臺(tái)數(shù)碼相機(jī)誕生于美國紐約的柯達(dá)實(shí)驗(yàn)室,近四十年過去了,數(shù)碼相機(jī)得到了飛速的發(fā)展。現(xiàn)在無論是在電腦上、還是在手機(jī)上,都可以看到數(shù)碼相機(jī)的影子,用照片來記錄生活已成為人們的一種習(xí)慣。然而由于數(shù)碼相機(jī)性能的良莠不齊、拍攝者攝影技術(shù)的參差不同、以及拍攝環(huán)境的復(fù)雜多樣,人們實(shí)際拍攝得到的圖像往往存在圖像質(zhì)量偏低、視覺效果不佳等問題。如何運(yùn)用圖像重建技術(shù)來克服成像設(shè)備和成像過程中存在的圖像質(zhì)量退化問題,進(jìn)而實(shí)現(xiàn)理想圖像的輕松獲取,

2、將成為數(shù)碼相機(jī)發(fā)展的新趨勢(shì),并有著極高的科研價(jià)值與應(yīng)用價(jià)值。
  圖像重建是將圖像退化過程加以估計(jì)、對(duì)退化造成的失真進(jìn)行補(bǔ)償?shù)姆磫栴}。當(dāng)缺乏關(guān)于圖像退化過程的先驗(yàn)知識(shí)時(shí),圖像重建問題常常表現(xiàn)為病態(tài)問題,需要利用正則化技術(shù)將其變成一個(gè)適定問題進(jìn)行求解。由于梯度信息中包含著人眼最為敏感的邊緣結(jié)構(gòu)信息、光照/顏色的強(qiáng)弱變化信息等,因此梯度正則化約束是圖像重建問題中廣泛采用的一類正則化約束。有效的梯度正則化約束需要建立在準(zhǔn)確的梯度信息基礎(chǔ)

3、之上,然而在某些特殊情況中,準(zhǔn)確的梯度信息往往難以獲得,此時(shí)基于梯度正則化約束的圖像重建方法則會(huì)面臨巨大的應(yīng)用困難。
  本論文主要研究了基于梯度正則化約束的圖像重建方法,特別是在難以提取準(zhǔn)確梯度約束的情況下,如何有效地進(jìn)行圖像重建的問題。提取準(zhǔn)確梯度時(shí)面臨的困難可分為兩種類型:第一,圖像中具有完備的梯度信息,但此梯度信息受到其他信號(hào)的混疊、干擾,需要進(jìn)行梯度分類以獲得準(zhǔn)確梯度信息,混疊圖像分離問題便屬于此類型;第二,圖像中不具有

4、完備的梯度信息,需要利用現(xiàn)有的梯度信息來構(gòu)建缺失的梯度信息,從而逼近圖像的準(zhǔn)確梯度信息,圖像超分辨率問題則屬于此類型。在上述兩類情況下,獲得準(zhǔn)確的梯度信息來建立正則化約束,成為了決定重建后圖像質(zhì)量的關(guān)鍵因素。本論文將針對(duì)上述情況中的混疊圖像分離問題和圖像超分辨率問題開展研究,并給出相應(yīng)的解決方法。根據(jù)研究對(duì)象與研究方法的不同,本文的工作主要包括以下的內(nèi)容:
  論文研究了基于梯度匹配的多幅混疊圖像分離算法。論文分析了原有基于多張混

5、疊圖像的梯度提取方法的不足,提出了首先進(jìn)行圖像配準(zhǔn)、而后在配準(zhǔn)圖像中進(jìn)行梯度匹配的梯度分類方法,以此獲得有效的梯度信息。為了確保圖像配準(zhǔn)的準(zhǔn)確性,論文提出一種融合匹配特征點(diǎn)信息與圖像相似度信息的魯棒圖像配準(zhǔn)算法,該算法可在不同圖像變換劇烈程度和不同錯(cuò)誤匹配點(diǎn)比例的情況下,實(shí)現(xiàn)更準(zhǔn)確的圖像變換參數(shù)估計(jì)。最終,通過將提取出的梯度作為正則化約束條件納入到分離模型中,可以有效地去除經(jīng)典混疊圖像分離方法因模型病態(tài)而造成的偽邊緣現(xiàn)象,從而實(shí)現(xiàn)在具有

6、劇烈圖像變換的人工合成混疊圖像和實(shí)際生活拍攝的自然混疊視頻中均可取得理想的分離結(jié)果。
  論文研究了基于梯度分類的單幅混疊圖像分離算法。論文首先分析了利用梯度分類結(jié)果實(shí)現(xiàn)單張混疊圖像分離的合理性與可行性,而后論文構(gòu)造出用于梯度分類的梯度輪廓曲線銳利度描述子,以此來有效描述反射圖像與透射圖像在邊緣銳利度上的差異。通過將梯度分類空間連續(xù)性作為正則化約束,論文建立了基于梯度輪廓曲線銳利度數(shù)值分布的馬爾科夫場(chǎng)―最大期望梯度分類模型。最終,

7、分離圖像可在梯度分類結(jié)果的指導(dǎo)下利用泊松方程進(jìn)行重建。與現(xiàn)有梯度分類模型相比,本文模型可實(shí)現(xiàn)梯度信息更完整、更準(zhǔn)確地分離,從而既可以解決由梯度錯(cuò)誤分類造成的分離圖像存在大量殘留的問題,又能夠使分離圖像保留原始混疊圖像的色調(diào)不受改變。
  論文研究了基于梯度增強(qiáng)的圖像超分辨重建算法。論文首先構(gòu)造了梯度輪廓曲線的數(shù)學(xué)描述模型,用以實(shí)現(xiàn)對(duì)于不同形態(tài)的梯度輪廓曲線的精細(xì)描述。而后論文統(tǒng)計(jì)學(xué)習(xí)了在不同圖像分辨率中梯度輪廓曲線銳利度描述子的對(duì)

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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論