已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀
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、圖像在成像過程中由于物理的或者客觀因素而導致圖像部分信息缺失,致使得到的圖像失真。圖像復原是一門利用圖像某些先驗知識和數(shù)學模型盡可能的重現(xiàn)真實圖像的技術。其中,模型的構建以及算法的應用對重構圖像的質(zhì)量有著至關重要的影響。
近些年,基于圖像結(jié)構的自相似原理,通過對圖像結(jié)構特征的學習和訓練獲取學習基的思想已廣泛應用于去噪、復原以及其他的圖像處理的分支。BM3D方法就是這類方法中最具代表性的,無論是在復原效果,還是運行時間上,都展示
2、出了其他方法無法匹及的優(yōu)勢。HOSVD方法與其原理類似,實質(zhì)是利用矩陣的高階SVD分解和閾值收縮的思想進行去噪,去噪效果較非局部的SVD分解有顯著提高。同樣是采用自相似的原理,但LASSC和WNNM這兩種方法都是低階方法。HOSVD方法和BM3D方法采用兩階段濾波,而這兩者則是在迭代正則化的框架下,利用Bayes Shrinkage閾值估計方法對閾值進行估計,同時采用自適應閾值的方法對系數(shù)矩陣進行自適應濾波。這兩種方法的特點是PSNR值
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
- 基于增廣拉格朗日法的圖像復原方法與應用.pdf
- 基于增廣拉格朗日約束處理方法的隨機優(yōu)化方法研究.pdf
- 半無限規(guī)劃中的增廣拉格朗日.pdf
- 拉格朗日正則化方法與線性規(guī)劃原-對偶算法的研究.pdf
- 基于增廣拉格朗日協(xié)調(diào)的集群式供應鏈動態(tài)優(yōu)化配置方法研究.pdf
- 基于混合正則化方法的圖像復原問題研究.pdf
- 基于圖像先驗模型的正則化圖像復原方法研究.pdf
- 基于增廣拉格朗日的字典學習算法及其在醫(yī)學成像和圖像處理中的應用.pdf
- 基于圖像復原的一種正則化方法.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
- 集值優(yōu)化問題的非線性增廣拉格朗日方法.pdf
- 基于增廣拉格朗日的字典學習算法及其在醫(yī)學成像和圖像處理中的應用(1)
- 23890.基于moreau包絡函數(shù)的復合優(yōu)化增廣拉格朗日對偶及算法
- 基于稀疏正則化的壓縮圖像復原方法研究.pdf
- 基于全變差正則化的圖像復原.pdf
- 圖像復原的Bregman迭代正則化方法研究.pdf
- 帶非負限制的增廣Tikhonov正則化方法.pdf
- 圖像去噪的非局部正則化方法研究.pdf
- 基于點擴散函數(shù)估計的正則化圖像復原方法.pdf
評論
0/150
提交評論