共軛梯度法在圖像恢復中的應用.pdf_第1頁
已閱讀1頁，還剩49頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、我們知道，圖像恢復問題可以看成反問題，并且可能是不適定的，這樣就會給圖像恢復問題的求解帶來很大的困難。研究者考慮利用一些最小化模型來求解。目前對最小化模型的求解方法不盡相同，有些學者在不離散模型的基礎(chǔ)上對模型進行最優(yōu)化求解來實現(xiàn)圖像恢復。而有一些學者，對最小化模型先進行離散化處理，然后再應用最優(yōu)化方法對得到的方程進行求解。然而由于很多情況下最優(yōu)化模型的方程式是非正定的，直接使用最優(yōu)化方法求解模型不易得到較好的結(jié)果。而先離散化處理的話，可

2、以在離散過程中保證離散后方程的正定性，從而使用最優(yōu)化方法能夠更好的求解圖像恢復問題。
　　本文研究經(jīng)典ROF模型及其拓展模型，并對模型的離散方程應用共軛梯度法進行求解。其中拓展模型是增加了預處理的ROF模型。預處理增強了ROF模型圖像恢復的效果，提高了處理效率。
　　本論文中，我們主要做了兩方面的數(shù)值實驗。在第四章，我們使用普通離散化方法對添加預處理的ROF模型進行求解和數(shù)值試驗，驗證了添加預處理的ROF模型比經(jīng)典ROF模型

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論