多方向加权TV和变换域非局部正则化图像去模糊.pdfVIP

多方向加权TV和变换域非局部正则化图像去模糊.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 50 卷 第 8 期 天津大学学报 (自然科学与工程技术版) Vol. 50 No. 8 2017 年 8 月 Journal of Tianjin University (Science and Technology) Aug. 2017 DOI:10.11784/tdxbz201606030 多方向加权 TV 和变换域非局部正则化图像去模糊 杨爱萍,魏宝强,张 越,何宇清 (天津大学电气自动化与信息工程学院,天津 300072) 摘 要 :针对传统全变差 (TV)去模糊对噪声敏感且细节恢复能力有限等缺点,利用边缘检测对传统 TV 模型进行改 进,并受空域非局部自相似性正则化思想启发,将图像的变换域非局部自相似性约束融入去模糊模型,提出一种基 于边缘检测的多方向加权 TV 和变换域非局部正则化的图像去模糊方法.首先,运用边缘检测将中心像素邻域内的 像素对划分为同侧像素对和异侧像素对,对不同类型的像素对采用不同的权重,在去模糊的同时尽可能保持图像边 缘等细节特征;其次,为充分利用先验信息,将变换域非局部正则化约束融入到改进的 TV 模型,进一步改善图像 视觉质量;最后,对新模型进行有效求解.实验结果表明,本文算法在去模糊的同时可更好地保留图像的边缘、纹 理等细节特征. 关键词 :图像去模糊;多方向加权 TV ;变换域非局部正则化;交替方向法 中图分类号:TP391 文献标志码 :A 文章编号 :0493-2137 (2017)08-0828-07 Image Deblurring Based on Multi-Direction Weighted TV and Transform Domain Non-Local Regularization Yang Aiping ,Wei Baoqiang ,Zhang Yue ,He Yuqing (School of Electrical and Information Engineering ,Tianjin University ,Tianjin 300072 ,China) In view of the shortcomings of noise sensitivity and limited recovery ability of traditional total variation Abstract : (TV) model ,an improved TV model is proposed. At the same time, inspired by the idea of spatial non-local self- similarity ,the non-local regularization constraints of transform domain is integrated into the above model. So ,the new image deblurring method is proposed based on mulit-directional weighted TV and regularization in transform domain. First of all ,all pairs of pixels were divided into those which are on the same sides and those which are on opposite

文档评论(0)

聚文惠 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档