导读:本文包含了泊松噪声论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:噪声,图像,正则,方向,高斯,张量,卷积。
泊松噪声论文文献综述
王吉[1]（2019）在《泊松噪声下的低秩张量复原》一文中研究指出近年来,随着信息科技的飞速发展,高维图像作为信息传递的重要载体,扮演着越来越重要的角色。高维图像在科技、军事和商业等领域都具有不可或缺的重要应用价值。然而,高维图像在获取传输等过程中不可避免的的伴随着一些信息的缺失和损坏。因此,高维图像填充和去噪是图像处理和计算机视觉领域中的很重要的一个研究课题。传统的方法经常对填充问题和去噪问题分开处理。本文主要研究信息的缺失和损坏同时存在的情况,也就是研究同时结合填充和去噪问题的高维图像修复问题。本文的主要研究内容如下:高维图像在数学上通常记为一个高维的数组,即张量。张量秩的定义不唯一,本文主要采用矩阵秩,张量的Tucker秩和张量的Tubal秩来建立相应的图像复原模型。由于张量的秩极小化问题是NP-难问题,这要求我们寻找一个秩的凸松弛来近似逼近精确秩。因此,依据秩的不同定义,我们引出了矩阵秩,Tucker秩和Tubal秩的凸近似MNN、SNN和TNN。同时噪声的分布是一个重要的先验知识,因此我们分析了泊松噪声下损失函数及其具备的性质。基于此,本文建立了叁种在泊松噪声下的低秩张量复原的正则化模型,即基于矩阵秩的模型、基于张量Tucker秩的模型和基于张量Tubal秩的模型;其中损失函数为保真项,张量的低秩性为正则项。为了高速的求解所提出的的模型,我们设计了叁种基于交替方向乘子法(ADMM)的算法,并分析了算法的收敛性。以结构性较强的彩色图片、随机低秩张量、高光谱图片为实验数据,选取不同采样率进行张量复原,结合峰值信噪比与结构相似指数为评价指标,对比分析叁种模型,可知:在叁种模型中,基于SNN下的低秩张量复原模型优于另外两种模型,这一优势在随机低秩张量和高光谱图片中体现更加明显,在彩色图片复原中,差别不大。最后,针对多光谱图片,提出了扭转的张量TNN修复算法,使得复原和去噪结果有明显提升。(本文来源于《电子科技大学》期刊2019-03-22）
郑子君,吴恒,牛善洲,黄进红[2]（2017）在《基于加权核范数最小化的泊松噪声图像恢复》一文中研究指出本文提出了一种基于加权核范数最小化的泊松噪声图像恢复方法,通过Anscombe变换把泊松型数据转化为Gaussian型噪声数据.然后,用加权核范数最小化方法对变化后的Gaussian型噪声数据进行去噪.实验结果表明,我们的方法是有效的.(本文来源于《赣南师范大学学报》期刊2017年06期）
王聪[3]（2017）在《基于数据驱动紧框架的含泊松噪声的图像恢复》一文中研究指出首先提出了基于数据驱动紧框架的含泊松噪声的图像恢复变分模型。在该模型中,赋权的l2范数项作为保真项,包含数据驱动紧框架的l1范数项作为正则项。然后,又提出了解该模型的重新赋权的分裂Bregman算法。另外,又将所提出的模型与算法拓展应用到了含泊松高斯混合噪声的图像恢复中。最后,利用仿真实验以及PSNR指标对该模型的图像恢复效果进行评估,评估结果表明该算法可行、有效。(本文来源于《信息技术》期刊2017年09期）
谢斌,刘壮,丁成军[4]（2017）在《自适应分数阶变分去泊松噪声新模型》一文中研究指出目的针对传统总变分方法在去除泊松噪声时容易出现"阶梯效应"和图像边缘模糊的问题,提出了一种基于分数阶变分的自适应去泊松噪声新模型。方法首先新模型在分析了泊松噪声分布特点的基础上导出了非凸自适应正则项,它能够根据图像不同区域的特点自适应地调节正则项系数,以达到保持图像边缘的目的。然后,新模型利用分数阶离散微分向量能够结合更多图像信息的特点,将正则项中的一阶离散微分向量替换为分数阶离散微分向量,以此来达到抑制"阶梯效应"的目的。对于新模型的求解,结合交替迭代法和加权原始—对偶法提出了一种高效的数值解法。结果新模型明显优于传统总变分去泊松噪声模型,在有效抑制"阶梯效应"的同时图像边缘也得到了较好地保护,以经典的Peppers图片为例,新模型相比于传统模型,峰值信噪比(PSNR)由28.98 d B提高到了30.24 d B,图像结构相似度(SSIM)由0.77提高到了0.87。另外,所提的数值解法具有收敛速度快、复杂度低的特点,收敛时间从偏微分方程、Chambolle投影等传统数值解法的0.5 s与0.1 s缩短至0.056 s。结论实验结果表明,所提模型与数值解法的可行性,模型与数值解法在主要客观评价指标和图像视觉效果方面均优于传统的变分去泊松噪声模型,且模型与数值解法具有较好的普适性。但是模型中分数阶的阶次选取有待进一步优化。(本文来源于《中国图象图形学报》期刊2017年06期）
李红,王俊艳,李厚彪[5]（2017）在《基于Shearlet变换的泊松噪声图像复原问题研究》一文中研究指出为了解决泊松噪声图像的复原问题,几种正则化方法已被提出,其中最着名的是全变差(TV)模型,但TV模型会引起阶梯效应。总广义变差(TGV)是全变差的推广,用TGV作为正则项来恢复泊松图像,可以消除阶梯效应,但图像的边缘细节信息不能很好地保持。为了克服这个缺点,基于TGV和Shearlet变换,该文提出了一种新的正则化模型,并用交替方向乘子法(ADMM)求解。数值结果有效地展示了该模型在保持图像边缘细节上的优越性。(本文来源于《电子科技大学学报》期刊2017年03期）
刘刚,黄廷祝[6]（2016）在《泊松噪声下图像去模糊的几个非凸模型（英文）》一文中研究指出图像复原中通常假设图像在梯度域上是稀疏的,而非凸正则化方法会更加促进稀疏性.本文基于近年出现的几类非凸正则项,提出了泊松噪声下图像去模糊问题的几个非凸模型,发展了相应的高效求解算法,并研究了算法的收敛性;数值实验表明所提出的非凸模型可以增强图像在梯度域上的稀疏性,并优于一些现有的方法.(本文来源于《工程数学学报》期刊2016年06期）
董文德,杨新民,段然,郭晓鸿,林丹[7]（2016）在《泊松噪声污染模糊图像的非盲去卷积方法》一文中研究指出针对被泊松噪声污染的模糊图像复原问题,提出了一种非盲去卷积方法,该方法在泊松概率模型的基础上引入高斯尺度混合型马尔科夫专家场模型作为正则条件,并使用迭代方向乘子法对所得的最优化问题模型进行求解。实验结果表明:该方法能够对泊松噪声污染的模糊图像进行有效复原,获得高质量复原图像。(本文来源于《南京理工大学学报》期刊2016年04期）
杨燕,金正猛,蒋晓连,刘艳,张永燕[8]（2016）在《保持泊松噪声图像细节的快速变分去噪算法》一文中研究指出去除医学、天文图像中的泊松噪声一直是人们关注的热点问题之一。在充分分析泊松去噪α-Le模型的基础上结合交替方向乘子(ADMM)算法,给出该模型一基于框式约束的快速求解算法,并证明了该算法的收敛性。数值实验结果表明,该算法在去噪的同时,不仅能很好地保留图像中的边缘及小细节特征,还能大幅提高运算效率。(本文来源于《计算机工程与应用》期刊2016年20期）
陈北京,戴慧,刘全升,舒华忠[9]（2013）在《基于四元数表示的彩色图像泊松噪声去噪》一文中研究指出为了整体处理彩色图像,提出了一种基于四元数的去除泊松噪声的加权平均滤波器.首先,基于彩色图像四元数表示法,将一幅彩色图像表示为一个纯四元数矩阵,并利用四元数代数理论定义了重建图像和原始图像之间的四元数均方误差;然后,结合非局部均值滤波的基本思想,采用拉格朗日乘数法推导出使QMSE紧上界最小的加权系数;最后,基于这些最优加权系数,对四元数表示的像素值进行加权平均,构造出四元数最优权值非局部均值滤波器,并将其应用于彩色图像泊松噪声去噪.针对常用标准图像的对比实验结果表明,所提的滤波器优于现有的四元数滤波器以及传统的基于向量方法的滤波器和基于分量独立处理方法的滤波器.(本文来源于《东南大学学报(自然科学版)》期刊2013年04期）
白键,冯象初[10]（2013）在《一种基于积分微分方程的泊松噪声去除算法》一文中研究指出该文提出一种新的基于积分微分方程的泊松噪声去除算法。首先讨论了经典的总变差(TV)最小模型,在此基础上提出一种新的变分多尺度分层图像表示方法,然后在逆尺度空间上积分"尺度"图像从而得到了新的积分微分方程。这种新的积分微分方程含有一个单调增加的尺度函数。通过选取适当的尺度函数,该方程可以有效地去除泊松型噪声。数值实验证明了该算法比经典的TV和四阶偏微分方程算法具有更好的去噪效果。(本文来源于《电子与信息学报》期刊2013年02期）
泊松噪声论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文提出了一种基于加权核范数最小化的泊松噪声图像恢复方法,通过Anscombe变换把泊松型数据转化为Gaussian型噪声数据.然后,用加权核范数最小化方法对变化后的Gaussian型噪声数据进行去噪.实验结果表明,我们的方法是有效的.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
泊松噪声论文参考文献
[1].王吉.泊松噪声下的低秩张量复原[D].电子科技大学.2019
[2].郑子君,吴恒,牛善洲,黄进红.基于加权核范数最小化的泊松噪声图像恢复[J].赣南师范大学学报.2017
[3].王聪.基于数据驱动紧框架的含泊松噪声的图像恢复[J].信息技术.2017
[4].谢斌,刘壮,丁成军.自适应分数阶变分去泊松噪声新模型[J].中国图象图形学报.2017
[5].李红,王俊艳,李厚彪.基于Shearlet变换的泊松噪声图像复原问题研究[J].电子科技大学学报.2017
[6].刘刚,黄廷祝.泊松噪声下图像去模糊的几个非凸模型（英文）[J].工程数学学报.2016
[7].董文德,杨新民,段然,郭晓鸿,林丹.泊松噪声污染模糊图像的非盲去卷积方法[J].南京理工大学学报.2016
[8].杨燕,金正猛,蒋晓连,刘艳,张永燕.保持泊松噪声图像细节的快速变分去噪算法[J].计算机工程与应用.2016
[9].陈北京,戴慧,刘全升,舒华忠.基于四元数表示的彩色图像泊松噪声去噪[J].东南大学学报(自然科学版).2013
[10].白键,冯象初.一种基于积分微分方程的泊松噪声去除算法[J].电子与信息学报.2013
论文知识图
