發(fā)布時(shí)間：2024-06-11 21:53

　　伴隨著智能便攜設(shè)備步入千家萬戶,人們的主要交流方式已經(jīng)從書面的文字通訊,衍生至照片、短視頻等交流方式,圖像信息可以更真實(shí)、完整地傳達(dá)感情,但由于年代久遠(yuǎn)或拍攝時(shí)的抖動(dòng),導(dǎo)致圖像產(chǎn)生了不可逆的模糊,部分圖像信息被丟失,因而圖像去模糊技術(shù)也逐漸展現(xiàn)出它的應(yīng)用價(jià)值。本文就圖像去模糊技術(shù)進(jìn)行了深入的研究,本文的主要工作包括:(1)不拘泥于常規(guī)基于正則化理論模型的圖像去模糊,本文提出了一種基于全變差深度網(wǎng)絡(luò)模型。目前已經(jīng)存在許多非盲圖像去模糊方法,尤其是基于全變差(Total Variation,TV)模型的方法。然而如何自適應(yīng)地選擇參數(shù),并更好地進(jìn)行正則化,是一個(gè)關(guān)鍵的開放性問題。本文中所提出的模型能夠在迭代過程中自適應(yīng)地更新參數(shù)以獲得最佳效果,該模型主要使用深度學(xué)習(xí)和先驗(yàn)知識建立基于全變差的深度網(wǎng)絡(luò),并計(jì)算正則化的參數(shù),例如偏置、權(quán)重等。本文主要使用深度學(xué)習(xí)的思想,通過迭代運(yùn)算完成參數(shù)的自動(dòng)更新,這種做法可以避免復(fù)雜的手工計(jì)算,并減少大量的人工參與調(diào)試環(huán)節(jié)。通過與其他幾種經(jīng)典方法相比,本文的模型效果在保留細(xì)節(jié)和抗噪性能這兩方面,明顯有更優(yōu)良的結(jié)果。同時(shí)本文所提出的模型可以通過較少數(shù)量的訓(xùn)練集...

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的背景及意義
    1.2 國內(nèi)外研究的發(fā)展及現(xiàn)狀
        1.2.1 盲去模糊的發(fā)展及現(xiàn)狀
        1.2.2 非盲去模糊的發(fā)展及現(xiàn)狀
    1.3 研究內(nèi)容及論文章節(jié)安排
第二章 相關(guān)背景知識介紹
    2.1 圖像的退化模型及相關(guān)數(shù)學(xué)知識
    2.2 基于正則化理論的圖像恢復(fù)
        2.2.1 Tikhonov正則化
        2.2.2 全變差模型
        2.2.3 凸全有界變分模型
    2.3 基于最大后驗(yàn)估計(jì)的圖像去模糊
    2.4 圖像恢復(fù)重建算法的質(zhì)量評測
    2.5 本章小結(jié)
第三章 基于全變差深度學(xué)習(xí)去模糊
    3.1 引言
    3.2 基于全變差深度學(xué)習(xí)去模糊模型算法
        3.2.1 基于全變差圖像去模糊模型
        3.2.2 基于全變差深度學(xué)習(xí)去模糊模型
    3.3 基于全變差深度學(xué)習(xí)去模糊模型的訓(xùn)練
    3.4 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第四章 高效殘差密集連接深度學(xué)習(xí)網(wǎng)絡(luò)去模糊
    4.1 引言
    4.2 高效殘差密集連接深度學(xué)習(xí)網(wǎng)絡(luò)去模糊模型算法
        4.2.1 相關(guān)背景知識
        4.2.2 準(zhǔn)備工作
        4.2.3 高效殘差密集連接深度學(xué)習(xí)網(wǎng)絡(luò)去模糊模型
    4.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
致謝



本文編號：3992771