壓縮感知及稀疏性分解在圖像復(fù)原中的應(yīng)用研究.pdf

1、由于物理原理或技術(shù)條件的限制以及噪聲的介入，圖像在形成、傳輸和記錄的過程中，其質(zhì)量產(chǎn)生了不同程度的下降，需要使用圖像復(fù)原技術(shù)，由降質(zhì)的觀測(cè)結(jié)果恢復(fù)原始不失真圖像的信息。2006年提出的壓縮感知理論，突破了傳統(tǒng)Nyquist采樣定理的瓶頸，使得高分辨率信號(hào)的直接獲取成為可能，并已在圖像復(fù)原領(lǐng)域得到了初步應(yīng)用，對(duì)其研究具有十分重要的理論和現(xiàn)實(shí)意義。另外，使用經(jīng)典的小波圖像壓縮技術(shù)在低碼率壓縮時(shí)，得到的解壓圖像出現(xiàn)人工效應(yīng)，退化嚴(yán)重，采用后處

2、理技術(shù)恢復(fù)和改善圖像質(zhì)量有著極大的實(shí)際意義和應(yīng)用價(jià)值。
　　 本文圍繞著靜止圖像復(fù)原這條主線，分別對(duì)壓縮感知理論在降晰含噪圖像復(fù)原中的應(yīng)用問題和基于小波變換的低碼率壓縮圖像的后處理問題進(jìn)行了研究和探索。針對(duì)前者，提出了一種基于壓縮感知理論的小波域圖像Bayes復(fù)原算法。與已應(yīng)用壓縮感知理論進(jìn)行圖像復(fù)原的算法相比，該算法具有計(jì)算復(fù)雜度低、結(jié)構(gòu)簡(jiǎn)單和易于實(shí)現(xiàn)的優(yōu)點(diǎn)，實(shí)驗(yàn)結(jié)果說明了該算法能夠改善不同退化函數(shù)和噪聲模型影響下降質(zhì)圖像的主