基于馬爾科夫隨機(jī)場(chǎng)圖像恢復(fù)算法研究.pdf

1、在獲取圖像的過程中有許多因素會(huì)導(dǎo)致圖像質(zhì)量的下降即降質(zhì)，如光學(xué)系統(tǒng)的像差、大氣擾動(dòng)、運(yùn)動(dòng)、散焦和系統(tǒng)噪音，它們會(huì)造成圖像的模糊和變形。圖像復(fù)原的目的就是對(duì)退化圖像進(jìn)行處理，使其復(fù)原成沒有退化前的理想圖像。由于噪聲和圖像細(xì)節(jié)在頻帶上混疊，所以在圖像濾波中，圖像去噪與細(xì)節(jié)保持往往是一對(duì)矛盾。圖像復(fù)原問題是圖像處理中重要而又富有挑戰(zhàn)性的課題。 文中首先介紹了基于空間域的數(shù)字圖像復(fù)原算法。給出了數(shù)字圖像降質(zhì)和復(fù)原模型，在傳統(tǒng)空域?yàn)V波算法

2、基礎(chǔ)上提出一種混合噪聲自適應(yīng)濾除算法，該算法首先利用局部閾值把受高斯型噪聲污染的像素和受脈沖型噪聲污染的像素區(qū)別開來，然后再分別采用自適應(yīng)中值濾波和自適應(yīng)加權(quán)均值濾波將分離出的脈沖噪聲和高斯噪聲去除。實(shí)驗(yàn)表明該算法能有效地去除混合噪聲的同時(shí)具有較強(qiáng)的細(xì)節(jié)保持能力。接下來引入了馬爾可夫隨機(jī)場(chǎng)的基本理論，它能夠很好地描述圖像中各個(gè)像素之間的空間連續(xù)性，在選用適當(dāng)?shù)泥徲蛳到y(tǒng)后，能對(duì)圖像的結(jié)構(gòu)特征建模?；贛RF的復(fù)原算法將原圖像看成是一個(gè)Ma

3、rkov場(chǎng)，以此作為先驗(yàn)知識(shí)來進(jìn)行最大后驗(yàn)概率密度估計(jì).如何進(jìn)行最大后驗(yàn)概率密度估計(jì)(MAP)的計(jì)算是圖像復(fù)原的關(guān)鍵之一，經(jīng)典的確定性松弛算法和隨機(jī)松弛算法在收斂速度和全局收斂性上各有優(yōu)勢(shì).本文提出一種改進(jìn)的模擬退火算法，將網(wǎng)格圖像分塊并用atan函數(shù)構(gòu)造ISING模型中的系數(shù)與迭代計(jì)算次數(shù)之間的函數(shù)關(guān)系，加快其收斂過程，有效地復(fù)原被強(qiáng)高斯噪聲污染的二值文本圖像。馬爾可夫隨機(jī)場(chǎng)模型為解決低層視覺問題如圖像恢復(fù)，提供了一個(gè)魯棒的、統(tǒng)一的框