基本信息
- 项目名称:
- 图像处理中的快速算法研究
- 来源:
- 第十二届“挑战杯”省赛作品
- 小类:
- 数理
- 大类:
- 自然科学类学术论文
- 简介:
- 图像去噪是图像处理的基本问题。本文就加性噪声去噪提出了一种非单调自适应梯度算法,并建立了该算法的全局收敛性。该算法采用了非单调线性搜索策略且计算复杂度低,数值实验表明该算法是有效的,而且适合大规模的信号处理问题。
- 详细介绍:
- 我们提出用非单调自适应梯度方法(NAGMP)来解决加性噪声去噪问题。实验证明NAGMP是一个计算复杂度较低的方法,且具有全局收敛性。结果表明这种非单调自适应方法更适合解决大规模的信号处理问题。
作品专业信息
撰写目的和基本思路
- 图像在生成、编码、重现过程中常受到噪声的干扰。本文基于图像处理的原理,结合国内外相关文献,在梯度法的基础上,对步长进行自适应迭代选取,从而改善原有算法对图像复原问题的计算效率。
科学性、先进性及独特之处
- 针对图像恢复问题,本文提出了一个非单调的自适应梯度算法。该算法复杂度低,实现简单,运算速度快,在获得理想去噪效果的同时能有效的提高运算效率。算法每步都自适应地选取BB步长: 和 。小步长 主要是用来为下一次迭代诱发有利的下降方向,而大步长 主要是用来有效减少目标函数值。大量的数值实验表明该算法是有效的,迭代次数和CPU使用时间上都有很大的改观,速度提高了3到4倍。
应用价值和现实意义
- 图像处理在交通控制、生物信息识别、医疗成像等很多方面都有实际运用。图像恢复是图像分析和理解的基础与前提,研究设计该类问题的快速算法具有重要的理论意义和实际应用价值
学术论文摘要
- 图像复原处理的主要目的是去掉干扰和模糊改善给定图像的质量。在给定了一幅退化了的或者受到噪声污染了的图像后,利用退化现象的某种先验知识来重建或恢复原有图像是图像复原处理的基本过程。图像去噪属于图像复原处理,是图像处理的基本问题。 本文提出一个新的梯度算法,使其在每次迭代中能够自适应地选取较小或较大的步长,并对在迭代过程中步长的选取条件进行自适应化,该算法采用了非单调线性搜索策略且计算复杂度低,可以快速地达到最优值,数值实验表明该算法是有效的,而且适合大规模的信号处理问题。
获奖情况
- 无
鉴定结果
- 无
参考文献
- ~imagers/
同类课题研究水平概述
- “百闻不如一见”告诉我们图像是人类获取信息最主要的手段,现实生活中由于获取图像环境、设备及传输过程中存在各种噪声,从而影响了图像的质量,如何消除、减小噪声一直是图像处理领域中研究的热点问题。 最近几年随着信息计算机理论越来越多的渗透到图像处理技术中,对现有的算法性能、速度进行改造一般集中在如何最大范围的提高的清晰度,进而在图像处理领域出现了许多新思路、新方法和改进算法。这些算法根据实际问题的要求以及实验数据拟合来分析从中选择适当的算法。使所用算法更具有科学性且能够满足实际应用需求。 简单来说去噪一般分为两个阶段: 第一阶段是滤波主要方法有均值滤波、自适应滤波、中值滤波、形态学噪声滤除以及小波去噪等方法。 第二阶段主要是研究具体算法最优化问题,是目前国内研究的大方向,也是我们论文所研究的主题。 以求解初始值为输入图像的非线性扩散张量为主要思想的PDE去噪方法,即偏微分方程去噪,是图像去噪的经典算法,在图像的去噪、分割、边缘检测、增强等方面被广泛应用,近几年取得很大进展,其高质量的处理效果引起了人们的广泛关注。 “自适应梯度法”的提出为图像处理带来了新的突破,不仅具有收敛速度快、复原效果好的特点,还在去除噪声的同时保护图像的细节,使得图像处理系统更为完善,而且在图像降质严重的情况下,该算法仍能取得更好的复原效果,具有较强的实用性。