检索结果-南通市图书馆

在雾天条件下拍摄的图像的能见度通常要比正常条件下拍摄的图像差很多。本文基于秩一先验(Rank-1 Prior),通过结合高阶微分算子(High-order Differential Filter),推广了既有的、基于全变分先验(Total Variation Prior)即TV先验的优化模... 详细信息

在雾天条件下拍摄的图像的能见度通常要比正常条件下拍摄的图像差很多。本文基于秩一先验(Rank-1 Prior),通过结合高阶微分算子(High-order Differential Filter),推广了既有的、基于全变分先验(Total Variation Prior)即TV先验的优化模型,从而给出了一种全新的、有效的正则化方法。我们通过正则化模型(Regularization Model)对用于去雾的传输映射(Transport Mapping)进行进一步的细化,进而实现单个输入图像的场景复原。本文提出一种符合Rank-1先验需求的变分模型,且该变分模型特别加入了高阶微分算子,从而使得该变分优化模型更加适用于对传输映射进行细化;在此基础之上,我们基于Rank-1先验重新构建了一套场景复原(Scene Restoration)的策略,在这个策略中我们加入了关于传输映射的一种简约且有效的初始化估计方法;最终的实验结果可以表明该方法的有效性。相关结果对比既有的一些已发表的成果来看,所呈现的图像复原效果具有显著提升。

关键词：高阶微分算子场景复原传输映射细化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高阶微分算子的变分模型及其在场景复原中的应用

基于高阶微分算子的变分模型及其在场景复原中的应用

引用

作者：刘暕东北师范大学

学位级别：硕士

我们在日常生活中获得的图像常常会处于沙尘、水下、雾霾等恶劣场景,导致获取的图像并非实际景物的完整映像。这是因为图像在产生、传递和存储过程中,图像品质会有降低,这种使得图像质量降低的过程叫做图像降质,降质过程或改变图像的真... 详细信息

我们在日常生活中获得的图像常常会处于沙尘、水下、雾霾等恶劣场景,导致获取的图像并非实际景物的完整映像。这是因为图像在产生、传递和存储过程中,图像品质会有降低,这种使得图像质量降低的过程叫做图像降质,降质过程或改变图像的真实色彩或隐藏图像的一些细节。场景复原就是一种改善图像质量的处理技术,即通过重建降质的图像内容,使之最大限度地恢复为景物原样。常用的场景复原方法有图像增强、图像复原、图像编码、图像压缩等。近年来场景复原越来越得到广泛的重视,在单幅图像复原领域上取得了大量的成果。但大量基于暗通道先验（DCP）的研究只针对传输映射进行了估计,且只适用于单个场景对降质图像复原。与过去的方法有所不同,本文着眼于全局环境光的散射映射,且本文提出的方法适用于多种场景复原。与传统的单一场景复原方法不同,秩一先验（Rank-One Prior,简称ROP）刻画的重点在于环境光的散射映射,估计出降质成像的光照条件,将场景复原刻画为一个实现降质成像的光照条件复原过程。因此,基于秩一先验的场景复原方法可以应用于多种场景复原。本文基于秩一先验场景复原的方法,首先对全局环境光的散射映射进行初始化的估计,接着通过引入高阶微分算子（High-order Differential Operator）对初始的散射映射进行加细,从而提出了一种全新的变分模型,在求解过程中我们对变分模型应用了交替方向乘子法（ADMM）。为了验证本文提出的基于高阶微分算子的变分模型在场景复原中的可行性以及有效性,本文对沙尘、水下以及雾霾场景下的具体实例进行了相关的实验,并与基于ROP和基于ROP进行的场景复原结果进行了对比。场景复原实验结果表明本文提出的新的变分模型具有可行性,无论是在沙尘、水下还是雾霾场景下都取得了很好的结果,即本文提出的新的变分模型适用于多种环境的场景复原,且相较于基于ROP和基于ROP进行的场景复原结果,本文复原出来的高质量图像颜色更真实,伪影较少,且拥有更多细节,图像更清晰,复原出的结果更接近图像原本的特征。实验结果表明本文的提出来的变分模型与先进的场景复原方法具有可比性。

关键词：秩一先验场景复原散射映射高阶微分算子

来源：

同方学位论文库评论