多先驗模型協(xié)作及圖像復原方法研究.pdf

1、在當今的信息化時代,信息的獲得、處理和利用已經(jīng)越來越重要了。人類所獲取的信息中,視覺占了70％,因此對圖像這種數(shù)據(jù)類型的獲取,處理和利用十分重要。但是,由于成像設備,傳輸,人為等因素不可避免得會使拍攝得到的圖像退化,失真,使最后得到的圖像偏離了真實的圖像場景。因此,圖像復原問題具有重要的現(xiàn)實意義。而且在數(shù)字圖像處理研究領域內(nèi)圖像復原屬于最基本的課題之一。
　　圖像復原問題通常是在給出一個退化圖像后,希望得到一個原始的真實的圖像。整

2、個退化過程可以通過一個退化模型來模擬,模型的輸入是一個真實的圖像,輸出是一個退化圖像,圖像復原往往是一個反問題。當整個退化模型中的退化的過程并不太清晰的時候,人們往往采取盲復原技術,其中可能會估計出退化過程。但是當退化情況明了時,需要準確的進行圖像復原就需要依靠這個準確的退化過程。然而僅僅依靠退化過程的信息,復原后的效果往往比較差。為了提高復原效果,我們需要利用到圖像的先驗知識,把先驗知識運用到圖像復原中,約束復原問題的解空間。

3、　　學者們已經(jīng)提出了多種圖像的先驗模型,用這些先驗模型去解決圖像去噪,圖像去模糊,圖像修補等問題。但是并沒有研究表明已經(jīng)提出的模型可以抓取到圖像中全部的統(tǒng)計信息,所以構建合適準確的圖像先驗模型仍然是一個未解決的問題。一個比較精確的先驗模型不僅可以用來解決這些基本的圖像處理問題,還可以從指導人們?nèi)グl(fā)現(xiàn)這些圖像復原問題的極限,比如對于圖像去噪問題,利用更加精確的先驗知識可以研究圖像去噪的極限效果。一方面人們繼續(xù)研究新的圖像先驗模型,另一方面

4、人們試圖結合多種先驗模型用到圖像復原等問題上。但是當前結合多種先驗模型的方式集中在正則化方法上,把先驗知識作為一個正則項放入到目標函數(shù)中,以期望得到的解,也就是復原的圖像質(zhì)量更好。這種正則化方法,不僅數(shù)值計算復雜,而且事先需要構造目標函數(shù),這并不是一個通用的框架。為了得到一個通用的結合多種先驗模型的框架,本文根據(jù)機器學習中的模型組合的思路,我們把每個獨立的先驗模型或獨立算法作為一個“分類器”,根據(jù)每個獨立的復原結果,結合它們得到最終的復