学位论文 > 优秀研究生学位论文题录展示

基于软计算的数字图像修复算法研究

作　者: 王权
导　师: 王兆霞
学　校: 天津理工大学
专　业: 信号与信息处理
关键词: 图像修复软计算人工神经网络遗传算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 39次
引　用: 0次
阅　读: 论文下载

内容摘要

对图像破损或丢失区域进行修复在数字图像处理领域是一个重要分支。同时也是信号处理,计算机视觉以及计算机图形学的热点问题。其主要任务在于让计算机自动按照人眼视觉特点,根据图像破损区周边的信息来修复指定的破损区。传统的图像修复方法可大致分为两类。一类是主要针对于污渍、划痕、文字等相对小面积破损区域做修复的基于偏微分方程(PED)的数字图像修复算法；另一类是主要针对相对大面积破损区域做修复的基于纹理合成的数字图像修复算法。软计算,同时也被称为智能计算,最初是由L. Zadeh于1991年提出。他将人工神经网络、模糊逻辑、以及遗传算法归为软计算范畴,以区别传统的计算模式。在近年来随着计算机硬件性能的提高,软计算得到了越来越多的关注。在此将分别讨论软计算在对小面积划痕进行修复和对大面积破损区域进行纹理合成上的研究与应用。本文在将首先对传统图像修复算法进行分析介绍,并就具有代表性的算法模型给出具体的修复原理和仿真效果。在充分分析传统算法的基础上,提出一种新的图像修复途径,做出以下创新性研究成果：1、将软计算理论引入数字图像修复领域,首次提出了一种基于自组织神经网络(SOM)的数字图像修复算法。2、改进基于自组织神经网络的数字图像修复算法,提出了使用自组织网络基于样本块的图像修复算法,该算法强调对线性结构的修复,从而更符合人类视觉的连通性原理。3、提出一种基于遗传算法(GA)的图像修复算法。此算法通过GA优化可依据人类的视觉习惯对相对大尺度的结构信息破损进行修复。经实例仿真验证了上述算法的可行性与优越性。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-15
  1.1 课题的研究背景及意义  9-11
  1.2 国内外研究现状分析  11-13
  1.3 研究的主要内容  13
  1.4 论文的结构与框架  13-15
第二章图像修复技术的理论基础  15-20
  2.1 图像修复模型  15-16
  2.2 图像修复原则  16-17
  2.3 纹理的定义与特点  17-18
  2.4 纹理合成技术综述  18-20
第三章基于PDE的图像修复技术  20-25
  3.1 引言  20
  3.2 基于BSCB模型的图像修复算法  20-22
  3.3 基于TV模型的图像修复算法  22-25
第四章基于SOM网络的图像修复技术  25-42
  4.1 引言  25-26
  4.2 神经元网络的基本原理和结构  26-30
    4.2.1 神经元网络的基本单元  26-27
    4.2.2 神经元网络的模型  27-28
    4.2.3 神经元网络的连接方式  28-30
  4.3 无监督学习与自组织网络  30-33
    4.3.1 网络基本结构  30-31
    4.3.2 自组织映射网络(SOM)  31-33
  4.4 基于SOM的图像修复  33-42
    4.4.1 基于SOM的图像分层  33-35
    4.4.2 扩散式修复  35-37
    4.4.3 填充式修复  37-42
第五章基于遗传算法的图像修复技术  42-59
  5.1 引言  42-43
  5.2 遗传算法的基本流程  43-48
    5.2.1 编码  44-45
    5.2.2 选择  45-46
    5.2.3 交换  46-47
    5.2.4 变异  47-48
    5.2.5 终止  48
  5.3 基于遗传算法的图像修复  48-59
    5.3.1 结构信息提取  48-51
    5.3.2 结构信息恢复  51-54
    5.3.3 纹理分区域合成  54-59
第六章结论与展望  59-60
参考文献  60-63
发表论文和科研情况说明  63-64
致谢  64

基于软计算的数字图像修复算法研究

内容摘要

全文目录

相似论文