导读:本文包含了梯度正则化算法论文开题报告文献综述及选题提纲参考文献，主要关键词:图像重建,梯度正则化约束,混迭图像分离,图像超分辨率
梯度正则化算法论文文献综述
闫青[1]（2014）在《基于梯度正则化约束的图像重建算法研究》一文中研究指出1975年,世界首台数码相机诞生于美国纽约的柯达实验室,近四十年过去了,数码相机得到了飞速的发展。现在无论是在电脑上、还是在手机上,都可以看到数码相机的影子,用照片来记录生活已成为人们的一种习惯。然而由于数码相机性能的良莠不齐、拍摄者摄影技术的参差不同、以及拍摄环境的复杂多样,人们实际拍摄得到的图像往往存在图像质量偏低、视觉效果不佳等问题。如何运用图像重建技术来克服成像设备和成像过程中存在的图像质量退化问题,进而实现理想图像的轻松获取,将成为数码相机发展的新趋势,并有着极高的科研价值与应用价值。图像重建是将图像退化过程加以估计、对退化造成的失真进行补偿的反问题。当缺乏关于图像退化过程的先验知识时,图像重建问题常常表现为病态问题,需要利用正则化技术将其变成一个适定问题进行求解。由于梯度信息中包含着人眼最为敏感的边缘结构信息、光照/颜色的强弱变化信息等,因此梯度正则化约束是图像重建问题中广泛采用的一类正则化约束。有效的梯度正则化约束需要建立在准确的梯度信息基础之上,然而在某些特殊情况中,准确的梯度信息往往难以获得,此时基于梯度正则化约束的图像重建方法则会面临巨大的应用困难。本论文主要研究了基于梯度正则化约束的图像重建方法,特别是在难以提取准确梯度约束的情况下,如何有效地进行图像重建的问题。提取准确梯度时面临的困难可分为两种类型:第一,图像中具有完备的梯度信息,但此梯度信息受到其他信号的混迭、干扰,需要进行梯度分类以获得准确梯度信息,混迭图像分离问题便属于此类型;第二,图像中不具有完备的梯度信息,需要利用现有的梯度信息来构建缺失的梯度信息,从而逼近图像的准确梯度信息,图像超分辨率问题则属于此类型。在上述两类情况下,获得准确的梯度信息来建立正则化约束,成为了决定重建后图像质量的关键因素。本论文将针对上述情况中的混迭图像分离问题和图像超分辨率问题开展研究,并给出相应的解决方法。根据研究对象与研究方法的不同,本文的工作主要包括以下的内容:论文研究了基于梯度匹配的多幅混迭图像分离算法。论文分析了原有基于多张混迭图像的梯度提取方法的不足,提出了首先进行图像配准、而后在配准图像中进行梯度匹配的梯度分类方法,以此获得有效的梯度信息。为了确保图像配准的准确性,论文提出一种融合匹配特征点信息与图像相似度信息的鲁棒图像配准算法,该算法可在不同图像变换剧烈程度和不同错误匹配点比例的情况下,实现更准确的图像变换参数估计。最终,通过将提取出的梯度作为正则化约束条件纳入到分离模型中,可以有效地去除经典混迭图像分离方法因模型病态而造成的伪边缘现象,从而实现在具有剧烈图像变换的人工合成混迭图像和实际生活拍摄的自然混迭视频中均可取得理想的分离结果。论文研究了基于梯度分类的单幅混迭图像分离算法。论文首先分析了利用梯度分类结果实现单张混迭图像分离的合理性与可行性,而后论文构造出用于梯度分类的梯度轮廓曲线锐利度描述子,以此来有效描述反射图像与透射图像在边缘锐利度上的差异。通过将梯度分类空间连续性作为正则化约束,论文建立了基于梯度轮廓曲线锐利度数值分布的马尔科夫场―最大期望梯度分类模型。最终,分离图像可在梯度分类结果的指导下利用泊松方程进行重建。与现有梯度分类模型相比,本文模型可实现梯度信息更完整、更准确地分离,从而既可以解决由梯度错误分类造成的分离图像存在大量残留的问题,又能够使分离图像保留原始混迭图像的色调不受改变。论文研究了基于梯度增强的图像超分辨重建算法。论文首先构造了梯度轮廓曲线的数学描述模型,用以实现对于不同形态的梯度轮廓曲线的精细描述。而后论文统计学习了在不同图像分辨率中梯度轮廓曲线锐利度描述子的对应关系,并由此建立了在不同图像分辨率下维持轮廓曲线形状与能量不变的梯度轮廓曲线变换模型。利用此变换模型,论文可通过增强低分辨率的梯度信息来准确构造高分辨率图像的梯度信息。论文将增强变换后的梯度信息作为正则化约束纳入到高分辨率图像重建模型之中,从而能够克服图像超分辨率过程中的模糊现象、以及由梯度增强不当而造成的伪边缘现象,取得比现有经典方法更小的重建误差和与真实高分辨率图像更接近的结构一致性。(本文来源于《上海交通大学》期刊2014-07-03）
崔凯,李兴斯,李宝元,杨国伟[2]（2005）在《求解非线性反问题的大范围收敛梯度正则化算法》一文中研究指出基于同伦映射的思想,改进了求解非线性反问题的梯度正则化算法。通过路径跟踪有效地拓宽了梯度正则化算法求解的收敛范围。对于正则化参数的修正,通过引入拟Sigmoid函数,提出了一种下降速率可调的连续化参数修正方法,在保证迭代稳定的条件下,得到较好的计算效率,同时保证该算法具有很好的抵抗观测噪声能力。实际算例表明,该方法收敛范围宽,计算效率高,在存在较强观测噪声的条件下也能得到很好的反演结果。(本文来源于《计算力学学报》期刊2005年04期）
梯度正则化算法论文开题报告
（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：
基于同伦映射的思想,改进了求解非线性反问题的梯度正则化算法。通过路径跟踪有效地拓宽了梯度正则化算法求解的收敛范围。对于正则化参数的修正,通过引入拟Sigmoid函数,提出了一种下降速率可调的连续化参数修正方法,在保证迭代稳定的条件下,得到较好的计算效率,同时保证该算法具有很好的抵抗观测噪声能力。实际算例表明,该方法收敛范围宽,计算效率高,在存在较强观测噪声的条件下也能得到很好的反演结果。
（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。
梯度正则化算法论文参考文献
[1].闫青.基于梯度正则化约束的图像重建算法研究[D].上海交通大学.2014
[2].崔凯,李兴斯,李宝元,杨国伟.求解非线性反问题的大范围收敛梯度正则化算法[J].计算力学学报.2005