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64頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、圖像運動模糊是由于在曝光過程中場景與相機之間發(fā)生了相對位移而產(chǎn)生的一種客觀的物理現(xiàn)象。目前,大多數(shù)對運動模糊圖像研究的文獻都集中在運動去模糊上。但運動模糊圖像通常包含有清晰圖像所沒有的特殊物理信息,如物體的運動方向、速度甚至加速度等。
   通過分析清晰圖像和運動模糊圖像在頻域上的不同統(tǒng)計特性,本文提出了一種基于局部窗口頻譜對比的局部運動模糊圖像分割方法。該方法采用局部化思想,綜合考慮了局部窗口內(nèi)像素的空域關系和頻域關系;然后通

2、過窗口各高頻系數(shù)與低頻系數(shù)的比值來判斷該局部窗口隸屬清晰還是模糊。實驗結果表明,該方法可以有效地檢測出單幅圖像的局部運動模糊區(qū)域,為運動目標識別和去模糊等進一步研究提供信息。
   在全局運動模糊圖像的去模糊研究中,已有的算法大部分都存在計算量龐大、魯棒性弱、振鈴現(xiàn)象難以抑制等問題。本文設計了一種基于盲反卷積的單幅圖像運動去模糊方法。盲反卷積包括模糊核估計和非盲反卷積兩部分。算法的設計思路如下:
   (1)算法首先采用

3、雙邊濾波器抑制噪聲和沖擊濾波器增強圖像的邊緣信息,通過圖像的邊緣信息來估計點擴散函數(shù);并采用噪聲模型的二階導數(shù)約束以提高算法的穩(wěn)定性,然后使用循環(huán)迭代的辦法來恢復圖像的邊緣和模糊核。
   (2)當最終的模糊核恢復后,根據(jù)清晰自然圖像梯度長尾分布特性,提出了一種基于超拉普拉斯模型的圖像非盲反卷積算法來最終復原圖像。本文算法使用分步交替迭代最小化辦法優(yōu)化能量方程,并在優(yōu)化過程中采用了查詢表法快速求解圖像反卷積。為了降低算法的計算量

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。

評論

0/150

提交評論