变分和非凸正则在图像处理中的应用研究

《变分和非凸正则在图像处理中的应用研究》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、西安电子科技大学学位论文独创性(或创新性)声明呲Y帆2帆3吣8㈣0㈣26眦6帆秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：叠函日期：丝坚堕翌关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论

2、文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本学位论文属于保密，在一年解密后适用本授权书。本人签名：磊两导师虢塑皇边日期：鲨丝：垒鱼：!!日期：．如f弓?易?

3、3摘要近年来，变分、偏微分方程等数学工具被广泛地应用于图像处理、计算机视觉等领域。这些工具一方面为模型的建立提供了有力的理论依据，另一方面方便了人们讨论模

4、型的性能。本论文针对图像处理中的去噪、分割、配准等问题，给出了一些新的基于变分和偏微分方程的图像处理模型，并设计了新模型的快速求解算法。主要包括如下几个方面的工作：1．提出一个新的加性噪声去除模型和一个新的乘性噪声去除模型。在加性噪声去除模型中，我们利用空间非局部梯度构造了图像的非局部结构张量，通过对非局部结构张量的特征分解得到图像的一个特征空间，依据特征空间的特性设计了非局部扩散张量，建立了基于非局部扩散张量的各向异性扩散模型。该模型和局部各向异性扩散模型的本质不同在于，它在扩散的过程中充分利用了图像的全局信息。数值实验表明：所提的加性噪声去除模型在去噪的同时，能够更好地保护图像的边缘

5、，尤其是纹理等重要细节特征。在乘性噪声去除模型中，我们采用非凸形式的正则项度量恢复图像的光滑性。与经典的总变差正则项相比，该非凸正则项具有更稀疏的性质，并且能够更好地保持恢复图像的边缘几何结构。为了快速求解新的乘性噪声去除模型，原始无约束的模型首先被转化为含约束的等价模型，然后采用分裂Bregman算法进行求解。为了克服模型中正则项的非凸性，分裂Bregman算法中还嵌入了一个迭代重加权过程。新算法不仅可以输出恢复图像，而且可以获得图像的边缘指示子。数值实验表明：所提乘性噪声去除模型无论在视觉效果上还是在量化指标上都能获得较好的去噪效果。2．将图像分割技术引入图像颜色迁移过程中，提出一种

6、基于图像分割和颜色主题的织物图像颜色迁移新方法。该方法包括三个过程。第一个过程是分割彩色织物图像，通过引入图像局部偏场的概念，该过程不仅能够较好地解决亮度不一致的彩色图像分割问题，而且能够估计出给定织物图像各个区域的颜色均值，这些颜色均值的组合被定义为该织物图像的颜色主题。第二个过程是在颜色主题数据库上检索和原始织物图像颜色主题相似的并且分值较高的颜色主题。第三个过程是将检索到的颜色主题迁移到原始织物图像上。上述三个过程中，图像分割过程是所提颜色迁移方法的关键和主要创新部分。数值实验表明：所提颜色迁移方法能够为设计师们提供一种有效的织物设计工具。3．对多区域模糊区域竞争(MFRC)医t像

7、分割模型进行改进，得到一类新的图像分割模型，其中包括灰度图像分割和自然(彩色一纹理)图像分割两个模型。两个模型的共同点是采用非凸形式的正则项代替MFRC模型中的总变差正则项度量模糊隶属度函数的光滑性，较好地保持了各个隶属度函数的边缘几何结构。在灰度图像分割模型中，各个同性区域的亮度分布并非假定为MFRC模型中的固定形式的高斯分布，而是采用核估计的方法估计得到，从而能够分割更复杂的图像。在彩色图像分割模型中，针对原始MFRC模型很难分割自然图像的问题，通过引入PCA描述子的方法，使自然图像分割问题能够被合理地纳入到模糊区域竞争框架下讨论。数值实验表明：所提的两个新分割模型与经典的水平集模型

8、和MFRC模型相比，能够获得更好的分割结果。所提的第二个分割模型与当前最好的基于图割的自然图像分割模型相比，具有更高的运算效率。4．提出一类基于变分方法的非刚性图像配准模型，其中包括单模态和多模态两个模型。在单模态模型中，正则项采用加权的三z范数度量，一方面克服了迭代收敛不同步的问题，另一方面使新模型既能保持图像的边缘几何结构，又能避免块效应的产生。在多模态模型中，不同模态的图像被转化为同一模态进行处理，提高了配准的效率。在模型求解