卡通紋理分解和全變分正則化圖像恢復研究.pdf

1、圖像恢復技術(shù)是圖像處理領(lǐng)域中的重要研究課題之一。圖像恢復是利用圖像退化現(xiàn)象的某種先驗信息和恢復算法來重建被退化的原始圖像，以改善圖像的清晰度、逼真度，消除噪聲。本文主要提出將卡通紋理分解與基于全變分的廣義加速臨近梯度算法相結(jié)合來實現(xiàn)圖像恢復。
　　本文研究了經(jīng)典的圖像退化模型和全變分正則化模型，將求解全變分模型的加速臨近梯度算法推廣為廣義加速臨近梯度算法，從而提高其收斂速度和峰值信噪比。因為圖像的高頻、低頻成分對噪聲的敏感程度不同

2、，所以可以先將模糊圖像的高頻、低頻成分分離，然后對圖像的高頻、低頻成分分別選擇不同的正則化參數(shù)進行恢復，恢復后再進行加權(quán)合成。
　　本文為了靈活地分離圖像的高頻、低頻成分，提出了紋理尺度參數(shù)可調(diào)的能夠滿足不同分解要求的卡通紋理分解算法。最后還試圖探索如何實現(xiàn)正則化參數(shù)和合成時加權(quán)系數(shù)的最優(yōu)選擇、自適應(yīng)選擇。
　　本文采用MATLAB進行實驗仿真，首先將模糊圖像分解成卡通部分和紋理部分，卡通部分主要是圖像的低頻成分，其受噪聲干

3、擾小;紋理部分主要是圖像的高頻成分，其受噪聲干擾大。然后再采用基于全變分的廣義加速臨近梯度算法對圖像進行去模糊和去噪，卡通部分選擇較小的正則化參數(shù)，紋理部分選擇較大的正則化參數(shù)，最后將恢復的卡通部分和紋理部分進行加權(quán)合成得到恢復圖像。通過MATLAB仿真，實驗結(jié)果證明該方法不僅收斂速度快而且效果比一般的臨近梯度算法要好，尤其適合于恢復模糊度不是很高的圖像。
　　本文在內(nèi)容組織上分為理論建模、預處理和恢復算法三部分。理論建模完成圖像