題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 圖像處理中的快速算法研究
- 小類：
- 數(shù)理
- 簡(jiǎn)介：
- 圖像去噪是圖像處理的基本問題。本文就加性噪聲去噪提出了一種非單調(diào)自適應(yīng)梯度算法，并建立了該算法的全局收斂性。該算法采用了非單調(diào)線性搜索策略且計(jì)算復(fù)雜度低，數(shù)值實(shí)驗(yàn)表明該算法是有效的，而且適合大規(guī)模的信號(hào)處理問題。
- 詳細(xì)介紹：
- 我們提出用非單調(diào)自適應(yīng)梯度方法（NAGMP）來解決加性噪聲去噪問題。實(shí)驗(yàn)證明NAGMP是一個(gè)計(jì)算復(fù)雜度較低的方法，且具有全局收斂性。結(jié)果表明這種非單調(diào)自適應(yīng)方法更適合解決大規(guī)模的信號(hào)處理問題。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 圖像在生成、編碼、重現(xiàn)過程中常受到噪聲的干擾。本文基于圖像處理的原理，結(jié)合國(guó)內(nèi)外相關(guān)文獻(xiàn)，在梯度法的基礎(chǔ)上，對(duì)步長(zhǎng)進(jìn)行自適應(yīng)迭代選取，從而改善原有算法對(duì)圖像復(fù)原問題的計(jì)算效率。
科學(xué)性、先進(jìn)性及獨(dú)特之處
- 針對(duì)圖像恢復(fù)問題，本文提出了一個(gè)非單調(diào)的自適應(yīng)梯度算法。該算法復(fù)雜度低，實(shí)現(xiàn)簡(jiǎn)單，運(yùn)算速度快，在獲得理想去噪效果的同時(shí)能有效的提高運(yùn)算效率。算法每步都自適應(yīng)地選取BB步長(zhǎng)： 和 。小步長(zhǎng) 主要是用來為下一次迭代誘發(fā)有利的下降方向，而大步長(zhǎng) 主要是用來有效減少目標(biāo)函數(shù)值。大量的數(shù)值實(shí)驗(yàn)表明該算法是有效的，迭代次數(shù)和CPU使用時(shí)間上都有很大的改觀，速度提高了3到4倍。
應(yīng)用價(jià)值和現(xiàn)實(shí)意義
- 圖像處理在交通控制、生物信息識(shí)別、醫(yī)療成像等很多方面都有實(shí)際運(yùn)用。圖像恢復(fù)是圖像分析和理解的基礎(chǔ)與前提，研究設(shè)計(jì)該類問題的快速算法具有重要的理論意義和實(shí)際應(yīng)用價(jià)值
學(xué)術(shù)論文摘要
- 圖像復(fù)原處理的主要目的是去掉干擾和模糊改善給定圖像的質(zhì)量。在給定了一幅退化了的或者受到噪聲污染了的圖像后，利用退化現(xiàn)象的某種先驗(yàn)知識(shí)來重建或恢復(fù)原有圖像是圖像復(fù)原處理的基本過程。圖像去噪屬于圖像復(fù)原處理，是圖像處理的基本問題。 本文提出一個(gè)新的梯度算法，使其在每次迭代中能夠自適應(yīng)地選取較小或較大的步長(zhǎng)，并對(duì)在迭代過程中步長(zhǎng)的選取條件進(jìn)行自適應(yīng)化，該算法采用了非單調(diào)線性搜索策略且計(jì)算復(fù)雜度低，可以快速地達(dá)到最優(yōu)值，數(shù)值實(shí)驗(yàn)表明該算法是有效的，而且適合大規(guī)模的信號(hào)處理問題。
獲獎(jiǎng)情況
- 無
鑒定結(jié)果
- 無
參考文獻(xiàn)
- ~imagers/
同類課題研究水平概述
- “百聞不如一見”告訴我們圖像是人類獲取信息最主要的手段，現(xiàn)實(shí)生活中由于獲取圖像環(huán)境、設(shè)備及傳輸過程中存在各種噪聲，從而影響了圖像的質(zhì)量，如何消除、減小噪聲一直是圖像處理領(lǐng)域中研究的熱點(diǎn)問題。 最近幾年隨著信息計(jì)算機(jī)理論越來越多的滲透到圖像處理技術(shù)中，對(duì)現(xiàn)有的算法性能、速度進(jìn)行改造一般集中在如何最大范圍的提高的清晰度，進(jìn)而在圖像處理領(lǐng)域出現(xiàn)了許多新思路、新方法和改進(jìn)算法。這些算法根據(jù)實(shí)際問題的要求以及實(shí)驗(yàn)數(shù)據(jù)擬合來分析從中選擇適當(dāng)?shù)乃惴?。使所用算法更具有科學(xué)性且能夠滿足實(shí)際應(yīng)用需求。 簡(jiǎn)單來說去噪一般分為兩個(gè)階段： 第一階段是濾波主要方法有均值濾波、自適應(yīng)濾波、中值濾波、形態(tài)學(xué)噪聲濾除以及小波去噪等方法。 第二階段主要是研究具體算法最優(yōu)化問題，是目前國(guó)內(nèi)研究的大方向，也是我們論文所研究的主題。 以求解初始值為輸入圖像的非線性擴(kuò)散張量為主要思想的PDE去噪方法，即偏微分方程去噪，是圖像去噪的經(jīng)典算法，在圖像的去噪、分割、邊緣檢測(cè)、增強(qiáng)等方面被廣泛應(yīng)用，近幾年取得很大進(jìn)展，其高質(zhì)量的處理效果引起了人們的廣泛關(guān)注。 “自適應(yīng)梯度法”的提出為圖像處理帶來了新的突破，不僅具有收斂速度快、復(fù)原效果好的特點(diǎn)，還在去除噪聲的同時(shí)保護(hù)圖像的細(xì)節(jié)，使得圖像處理系統(tǒng)更為完善，而且在圖像降質(zhì)嚴(yán)重的情況下，該算法仍能取得更好的復(fù)原效果，具有較強(qiáng)的實(shí)用性。
