图像处理中的正则化说课讲解.pdfVIP

图 像 处 理 中 的 正 则 化 精品文档 图像处理中的正则化 二维的图像可以分解成不同的频率成分。其中，低频成分描述大范围的信 息，而高频成分描述具体的细节。 在灰度图像中，亮度变化小的区域主要是低频成分，而亮度变化剧烈的区域 (比如物体的边缘 )主要是高频成分。 前一章说明当噪声存在时过滤是必要的。这章需要仔细看看过滤。过滤也称 为正则化 ,因为它可以解释成对解执行特定规律的条件。正规化的程度是由一个 正则化参数决定的 ,这个参数应该仔细选择。我们本章主要关注两个正则化方法 (TSVD 和 Tikhonov) 和三个计算正则化参数的方法 (差异原则 ,广义交叉验证和 L- 曲线标准 ). 6.1 两个重要的方法 在前面的章节中 SVD 分析激发了谱过滤方法的使用，因为这些方法使我们通 过过滤因子能控制模糊图像的谱的内容。实现谱过滤方法必须通过选择计算出 的解 N