一种新的基于i-divergence全变分图像复原模型研究

《一种新的基于i-divergence全变分图像复原模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学校代码10590UDC密级深圳大学硕士学位论文一种新的基于I-divergence全变分图像复原模型研究学位申请人姓名陈宇鹏专业名称数学学院（系、所）数学与统计学院指导教师姓名鲁坚副教授深圳大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文一种新的基于I-divergence全变分图像复原模型研究是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律后果由本人

2、承担。论文作者签名：日期：年月日一种新的基于I-divergence全变分图像复原模型研究摘要对于光学相干断层扫描（OCT）、超声、合成孔径雷达、以及其他相干测距方法成像，斑点可导致图像污染，从而导致图像的效用减损。为了改善图像的质量以便进行后期处理，我们有必要对斑点噪声进行抑制。本文在经典I-divergence模型相关应用的启发下，着重研究带斑点噪声的复原方法。文章的主要工作是在消除图像斑点噪声和模糊问题的同时，提高了边缘信息辨识度。本文首先介绍了图像复原技术相关原理和噪声类别，然后分析了两个经典的乘性噪声图像恢复模型：RLO模型和AA模型。由

3、于全变分去除噪声同时保留边缘的特征，许多TV正则化模型已经成功地运用在噪声图像复原中。通过最小化Csiszar’sI-divergence保真项和基于噪声统计特性一种新的二次惩罚项的正则化方法，本文提出一个新模型复原带斑点噪声的模糊图像。文章探讨了新模型的一些重要性质，同时在收敛条件给定的情况下，采用数值原-对偶算法求解新模型。与当前高效的方法，DZ模型(Y.Dong,et.al.,SIAMJ.ImagingSci.,2013,6:1598-1625.)相比较，实验结果显示新方法表现出更好的图像恢复质量和CPU运行时间。关键词：凸性；斑点噪声；去模

4、糊；全变分IANewTotalVariationlModelBasedonI-divergenceImageRestorationAbstractForopticalcoherencetomography(OCT),ultrasound,synthetic-apertureradar,andothercoherentrangingmethods,specklecancauseimagescontaminationthatdetractsfromtheutilityoftheimage.Inordertoimprovethequalityofimag

5、esforfurtherapplication,itisnecessarytosuppressthespecklenoiseintheimages.InspiredbytheclassicalI-divergencemodel,thispaperfocusesontheresearchofimagerestorationmethodsforremovingthespecklenoise.Themainworkofthispaperistoimprovetherecognitiondegreeofedgeinformation,whileelimin

6、atingthespecklenoiseandblurringoftheimage.Therelevantprinciplesofimagerestorationtechnologyandnoisecategoryarepresentfirst.Andthenweanalyzetwoclassicalmodelsforrestoringimageswithmultiplicativenoise:RLOmodelandAAmodel.Sincethetotalvariation-basedmethodscanremovenoisewhileprese

7、rvingedgefeatures，manyofTVregularizationmodelshadbeensuccessfullyusedinthenoiseimagerestoration.BytheregularizationmethodofminimizingCsiszar'sI-divergencefidelitytermandanewquadraticpenaltytermbasedonthestatisticalcharacteristicsofthenoise,weproposeanewmodeltorestoretheblurred

8、imageswithspecklenoise.Wediscussseveralimportantpropertiesoft