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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、空間移變圖像復(fù)原是圖像復(fù)原領(lǐng)域中的一大研究熱點。論文在研究和分析現(xiàn)有空間移變圖像復(fù)原方法的基礎(chǔ)上提出了一種基于最小二乘約束的空間移變圖像復(fù)原方法。 論文研究工作以多項式近似的圖像逆濾波為出發(fā)點,針對其未考慮復(fù)原算法的規(guī)整化問題,在其基礎(chǔ)上加入能量約束規(guī)整條件,得到多項式能量約束復(fù)原,使多項式逆濾波圖像復(fù)原成為良態(tài)。分析了多項式能量約束復(fù)原的復(fù)原誤差,并提出修改多項式系數(shù)抑制由泰勒展開帶來的復(fù)原誤差。在這部分工作的基礎(chǔ)上,引入抽象
2、函數(shù)和算子分析成像系統(tǒng)降質(zhì)模型和復(fù)原模型,得到了關(guān)于圖像復(fù)原問題最一般的描述。在復(fù)原模型中引入最小二乘規(guī)整約束,根據(jù)將空間移變的復(fù)原函數(shù)分解成空間移不變的基函數(shù)的線性組合這一思想,通過將空間移變的算子分解成空間移不變的子分解算子的線性組合,推導(dǎo)了空間移變降質(zhì)圖像的最小二乘約束復(fù)原模型,復(fù)原模型包括直接復(fù)原模型和迭代復(fù)原模型。復(fù)原模型實現(xiàn)的關(guān)鍵是實現(xiàn)算子的分解,論文舉例證明了算子分解的存在性,分析了子分解算子應(yīng)滿足的條件,給出了選擇原則。
3、 論文基于空間移變降質(zhì)圖像的最小二乘約束復(fù)原模型,將其用于光電成像系統(tǒng)的空間移變降質(zhì)復(fù)原。針對光電成像系統(tǒng)的高斯型點擴散函數(shù),用多項式擬合實現(xiàn)算子的分解,根據(jù)子分解算子選擇原則,獲取分解基函數(shù),將抽象模型具體化,得到了空間移變降質(zhì)圖像的最小二乘約束復(fù)原方法,復(fù)原方法包括直接復(fù)原方法和迭代復(fù)原方法,推導(dǎo)了復(fù)原方法對應(yīng)的復(fù)原方程。在直接復(fù)原方程中,獲得的復(fù)原圖像,是降質(zhì)圖像偶數(shù)階差分的線性組合,組合系數(shù)由成像系統(tǒng)的點擴散函數(shù)、約束算
4、子、復(fù)原規(guī)整參數(shù)和分解基函數(shù)確定。在迭代復(fù)原方程中,更新復(fù)原圖像是降質(zhì)圖像偶數(shù)階差分和規(guī)整約束項的線性組合,差分項組合系數(shù)由成像系統(tǒng)的點擴散函數(shù)和分解基函數(shù)確定。 實驗分析表明復(fù)原方程能有效的提高成像系統(tǒng)的帶寬,復(fù)原后成像系統(tǒng)點擴散函數(shù)趨于沖激函數(shù)。加入特定約束得到的各種特定約束復(fù)原方程均能有效的復(fù)原空間移變降質(zhì)圖像。 對模擬的空間移變降質(zhì)圖像的處理結(jié)果表明,最小二乘約束復(fù)原算法能有效復(fù)原空間移變降質(zhì)。將最小二乘約束復(fù)原
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(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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 單幅空間移不動運動模糊圖像復(fù)原技術(shù)的研究.pdf
- 圖像復(fù)原技術(shù)及應(yīng)用研究.pdf
- 圖像盲復(fù)原及應(yīng)用研究.pdf
- 基于各向異性總變分和稀疏分解的圖像復(fù)原方法及其應(yīng)用研究.pdf
- 基于字典學(xué)習(xí)算法的遙感圖像復(fù)原及其應(yīng)用研究.pdf
- 總變分型圖像復(fù)原問題研究.pdf
- 深度學(xué)習(xí)在圖像復(fù)原中的應(yīng)用研究.pdf
- 圖像復(fù)原在車牌識別中的應(yīng)用研究.pdf
- 基于概率PCA的圖像復(fù)原方法研究及其應(yīng)用.pdf
- 圖像復(fù)原問題變分模型和算法研究.pdf
- 空間低軌目標(biāo)圖像復(fù)原研究.pdf
- 粒子群算法在模糊圖像復(fù)原中的應(yīng)用研究.pdf
- 運動模糊圖像復(fù)原的全變分方法研究.pdf
- PDE方法在圖像修復(fù)和圖像盲復(fù)原中的應(yīng)用研究.pdf
- 變額年金及其應(yīng)用研究.pdf
- 模糊圖像復(fù)原方法研究與應(yīng)用.pdf
- 模糊圖像復(fù)原技術(shù)及在舌象中的應(yīng)用研究.pdf
- 小波分析壓縮感知在圖像復(fù)原中應(yīng)用研究
- 基于變分貝葉斯理論的圖像復(fù)原方法研究.pdf
- 遙感圖像統(tǒng)計特性分析及其在圖像復(fù)原中的應(yīng)用.pdf
評論
0/150
提交評論