基于全变分和深度学习的图像去噪问题研究
图像去噪问题是图像处理领域的经典问题之一，一直以来都受到图像处理研究学者的广泛关注。全变分理论原本是泛函数学领域的研究内容，但是自从被引入图像去噪问题中，越来越受到关注。分数阶微积分理论是整数阶微积分理论的拓展，分数阶微积分能够更加准确地描述对象模型，分数阶微积分的计算是建立在前面无穷多点的信息基础上的，将分数阶微积分理论运用到图像处理域中，能够使模型在计算当前点的信息时能够考虑图像全局信息。除此之外，深度学习方法最近几年也声名鹊起，使用深度学习进行图像去噪问题研究的文章也越来越多。虽然用于图像去噪问题的方法多种多样，但其中的许多方法都还有值得改进的地方，图像的噪声模型也可以进一步延伸。 本文在前人的研究基础上，分别对基于全变分理论和深度学习理论的图像去噪问题做了更深入的研究: 1.将分数阶微积分与全变分模型联系起来，提出分数阶变分正则化模型，利用分裂布雷格曼迭代算法进行求解，在此基础上，分析算法的收敛过程，提出一种加权的分裂布雷格曼迭代算法，实验结果表明该算法具有更快的收敛速度和更精确的收敛结果。 2.针对斑点噪声比较难去除的问题，在前人提出的DnCNN和Unet两种网络框架的基础上结合各自的优点，设计了一种新的网络结构用于斑点噪声去除，实验结果表明提出的网络结构不但能够很好地去除斑点噪声，而且能够清晰地保留图像中的边缘信息。
图像去噪;深度学习;分裂布雷格曼迭代;全变分理论
北京化工大学
硕士
控制工程
李大字;刘希龙
2020
中文
TP391.41
2020-11-17（万方平台首次上网日期，不代表论文的发表时间）