• / 11

基于混合型总变分正则化的模糊图像非盲复原方法

关 键  词:
基于 混合 型总变分 正则 模糊 图像 复原 方法
资源描述:

《基于混合型总变分正则化的模糊图像非盲复原方法》由会员分享,可在线阅读,更多相关《基于混合型总变分正则化的模糊图像非盲复原方法(11页珍藏版)》请在我爱发明文档网上搜索。

1、引入的正则化系数。 5.根据权利要求4所述的基于混合型总变分正则化的模糊图像非盲复原方法, 其特征 模糊图像非盲复原方法, 其特征 在于: 步骤3)中模糊图像非盲复原问题模型为: 式中, 为加权求和时图像中的像素索引; 和为加权时引入的两个加权系数。 4.根据权利要求3所述的基于混合型总变分正则化的式中: P(o)为图像发生的概率, dx和dy表示分别表示水平方向和垂直方向梯度算子, i表 示清晰的表达式分别为和 i|(dxo)i|+|(dxo)2|, 加权混合后对清晰图像进行建模的表达式为: 混合型总变分正则化的模糊图像非盲复原方法, 其特征 在于: 步骤2)中各项同性总变分和各项异性总变分。

2、o表示清晰图像, h表示点扩散函数; P(g|ho)为噪声发生的概率。 3.根据权利要求2所述的基于采用高斯概率模型进行建 模, 其中高斯概率模型对噪声进行建模的表达式为: 式中: g表示模糊图像, 则化的模糊图像非盲复原方法, 其特征 在于: 步骤1)的模糊图像噪声建模是在贝叶斯后验估计框架下, 7)直至收敛, 即 得到清晰图像的估计值, 得复原图像。 2.根据权利要求1所述的基于混合型总变分正 对清晰图像进行最小二乘估计; 8)更新步骤6)中二次惩罚函数法的惩罚系数, 循环执行步骤6)和步骤用二次惩罚函数法分别求解各向同性总变分问题 和各向异性总变分问题; 7)固定步骤6)所得的求解结果,。

3、像对清晰图像的估计值进行初始化, 得到清晰图像的初始化估计值; 6)固定清晰图像的初始化估计值, 采项同性总变分和各项异性总变分中的图像变量进行近似, 将原复原问题转化为变量可分解形式; 5)用模糊图骤1)和步骤2)中的模型进行加权求和, 构建模糊图像非盲复原问题模型; 4)引入惩罚系数, 分别对各模糊图像噪声进行建模; 2)将各向同性总变分和各项异性总变分加权混合后对清晰图像进行建模; 3)将步 A 1.一种基于混合型总变分正则化的模糊图像非盲复原方法, 其特征在于, 包括以下步 骤: 1)对 说明书5页 附图3页 CN 111986122 A 2020.11.24 CN 111986122。

4、现有方法易使复原图像产生边缘模糊 或易使复原图像的边缘增强、 细节大幅丢失的问 题。 权利要求书2页 循环执行求解和最小二乘估计直至收敛, 即 得到清晰图像的估计值, 得复原图像。 本发明能 有效解决 变分问题; 固定所得的求解结果, 对清晰图像进 行最小二乘估计; 更新二次惩罚函数法的惩罚系 数,初始化; 固 定清晰图像的初始化估计值, 采用二次惩罚函数 法分别求解各向同性总变分问题和各向异性总建模糊图像非盲复原问 题模型; 将原复原问题转化为变量可分解形式; 用模糊图像对清晰图像的估计值进行法, 包括以下步骤: 对模 糊图像噪声进行建模; 对清晰图像进行建模; 将 两模型进行加权求和, 构化的模糊图像非盲 复原方法 (57)摘要 本发明涉及一种基于混合型总变分正则化 的模糊图像非盲复原方(51)Int.Cl. G06T 5/00(2006.01) (54)发明名称 基于混合型总变分正则贵力 (74)专利代理机构 南京业腾知识产权代理事务 所(特殊普通合伙) 32321 代理人 李静 京航空航天大学 地址 211106 江苏省南京市江宁区将军大 道29号 (72)发明人 董文德徐剑徐21)申请号 202011016996.7 (22)申请日 2020.09.24 (71)申请人 南19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日。

展开阅读全文
  我爱发明文档网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文
本文标题:基于混合型总变分正则化的模糊图像非盲复原方法
链接地址:https://www.woaifaming.net/doc/5164.html

当前资源信息

galachy

编号: 5164

格式: PDF

大小: 847.25KB

时间: 2021-03-02

相关资源

更多
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 20018-2021 我爱发明网版权所有

经营许可证编号:粤ICP备20005300号-1



收起
展开