基于显著性检测的全变差去高光研究

选矿浮选过程中浮选槽中的泡沫图像,受到工业摄像角度和光照点位置影响,导致泡沫图像颜色特征以及纹理特征的提取达不到预期效果。为解决上述问题,提出一种基于显著性检测的自适应全变差去高光算法。将处于RGB颜色空间的图像转换到处于YUV颜色空间中,根据显著值的大小,判定某个像素点是否为高光像素点,并修复图像高光区域。构建改进的全变差修复模型,并对图像修复模型完成求解。实验结果可知,所提算法对图像高光区域的识别以及细微处的处理具有一定的提高,且均方误差值与峰值信噪比在一定程度上得到了改善,可以有效的提取泡沫图像存在的亮点区域且修复。

基于分裂Bregman方法的全变差图像去模糊

针对全变差图像去模糊问题,提出一种基于分裂Bregman方法的全变差图像去模糊算法,利用分裂Bregman方法来优化其求解问题模型.首先,利用辅助变量及其二次惩罚泛函把全变差去模糊优化问题转化为一个等价的无约束优化问题;其次,基于Bregman迭代将其分解为两个子优化问题采用交替最小化方法进行求解;最后,根据子问题结构特点,采用离散傅立叶变换及收缩技术实现子优化问题的快速计算.实验结果表明,在不同尺寸模糊核条件下本文算法能获得有效、稳定的图像复原结果,相比FTVd、IRN去模糊方法,本文算法复原效果更好,计算更加快速.

一种基于图割的全变差图像去噪算法

本文提出一种基于图割的全变差(TV)图像去噪算法.该算法将全变差去噪模型的能量函数最小化问题转化为图的最小割问题,然后采用图割技术(最大流/最小割算法)求得能量函数的全局最优解.并给出了去噪模型中,均衡系数的自适应设定方案.实验结果及分析表明,该算法能有效抑制以往最小化方法产生的阶梯效应,具有较优的复原效果.

基于图的数字全变差模型及其带噪图像任意精度放大

分析了利用Sobolev空间Tikhonov正则化模型对带噪图像进行放大的不足 ,基于图像的修复模型 ,提出带噪图像放大的数字全变差模型 利用有向图构造出兼顾噪声去除和图像放大的数字TV滤波器 ,并利用该滤波器提出一种新颖的图像放大算法 作为算法对比 ,利用Sobolev空间Tikhonov正则化模型 ,提出相对应的数字Tikhonov放大算法 结果表明 :数字TV放大算法明显优于数字Tikhonov放大算法 ,不仅较好地抑制了噪声的影响 ,而且使得任意精度放大的图像边缘清晰、过渡自然 。

去除乘性噪声的重加权各向异性全变差模型

恢复含乘性噪声的图像是当前图像处理的重要研究课题.本文提出基于迭代重加权的各向异性全变差(Total variation,TV)模型.新模型中,假定乘性噪声服从Gamma分布.正则项采用加权的各向异性全变差,其中,自适应权函数由期望最大(Expectation maximization,EM)算法得到.新模型在有效去噪的同时,较好地保留了图像的边缘和细节信息,同时能够有效地抑制"阶梯效应".数值实验验证了新模型的效果.

基于全变差和P-Laplace模型的混合图像修复算法

图像修复是近年来图像处理研究的主要问题之一.在基于偏微分方程的修复算法中,全变差(total variation,TV)模型能够很好地保护图像边缘信息,但其各向异性扩散方式在平坦区域容易产生阶梯效应;而在图像平坦区域具有良好修复效果的P-Laplace模型,其各向同性扩散方式不适于修复图像边缘信息.将TV模型和P-Laplace模型有机结合起来,提出了一种混合图像修复算法.提出的扩散控制参数k能够根据待修复像素所在区域调节两种信息扩散方式的重要程度,实现混合图像修复.实验结果表明,所提算法获得了更好的修复结果.

一种双正则项全变差高光谱图像去噪算法

受传感器特性影响,高光谱图像中的噪声在各个维度都有体现。噪声的存在降低了高光谱图像中信息的有效性,在进行地物分类前必须采用适当的算法对噪声予以去除。文章针对高光谱图像的噪声特性,提出了一种基于全变差的高光谱图像去噪算法。该算法将经典二维图像全变差去噪模型推广至三维形式,提出了采用双正则项及相应的调整参数的目标函数,在三维空间中完成新目标函数的离散化,并采用基于优化-最小化算法的迭代方法对目标函数进行优化与求解。对星载Hyperion成像光谱仪数据的实验表明,适当的设置调整参数,该方法可很好地提高高光谱图像的各波段信噪比、平滑光谱曲线并保留细节特征,其去噪效果优于经典的MNF去噪算法及Savitzky-Golay滤波方法。

高阶SVD和全变差正则的乘性噪声去除模型

光滑性、稀疏性和自相似性先验作为自然图像的重要特性被广泛应用于图像去噪.根据高阶奇异值分解和全变差正则的互补性,提出了一种能够同时利用光滑性、稀疏性和自相似性先验的乘性噪声去除新方法.该方法首先采用高阶奇异值分解方法对对数变换后图像中的相似块组进行去噪;然后结合考虑光滑性先验的全变差约束对结果进行迭代优化.实验结果表明,该方法在有效去除乘性噪声的同时,可以更好地保留图像的边缘和纹理区域的细节信息.

一种基于全变差模型的欠采样图像重构方法

基于全变差范数最小化模型,构造了一种新的图像重构算法;利用欠采样域内的融合信息,结合构造的图像重构算法,提出了一种基于压缩感知理论的图像融合模型.数值实验表明,构造的重构算法与传统算法相比,在一定程度上减少了所需的采样数量;提出的融合模型对多类图像具有较优的融合效果.

全变差图像恢复的交替方向乘子法

针对图像恢复的全变差(TV)模型提出了一种基于交替方向乘子法的快速求解算法。通过变量替换将TV模型转化为与之完全等价的等式约束优化问题,然后用交替方向乘子法求解等式约束优化问题。实验结果表明,相对于FTVd方法,克服了FTVd方法的不稳定性,视觉效果更好,信噪比也得到了提高。

基于分数阶和非局部全变差模型的图像去模糊

为减少阶梯效应,同时更好地利用图像本身的信息,提出一种结合分数阶全变差(FOTV)和非局部全变差(NLTV)模型的非盲去模糊图像重建方法。分别用FOTV和NLTV约束由全局梯度提取法(GGES)分解而成的平滑区和纹理区,建立图像非盲去模糊的正则化模型,分别采用交替方向乘子法(ADMM)和分裂Bregman操作符(BOS)算法求解两个子问题。充分的实验结果表明,该模型减少了平滑区的阶梯效应,更好地恢复了图像的纹理细节,验证了该模型的可行性和算法的有效性。

结合全变差和分数阶全变差模型的图像去模糊

为从模糊图像中恢复出更多细节和纹理信息,提出一种基于结合全变差(TV)和分数阶全变差(FOTV)模型的数字图像去模糊方法。用全局梯度提取法将模糊图像分解成平滑区域、凸边和纹理3部分,用全变差模型约束平滑区域和凸边,用分数阶全变差模型约束细节部分,建立去模糊的凸优化模型,用变量分裂和交替方向法快速求解该模型。实验结果验证了该模型和求解算法的有效性和快速性,给出了每组实验的PSNR和SSIM值。

全变差噪声消除问题的半光滑牛顿法

为了达到全变差噪声消除的图像去噪目的,将去噪问题转换为优化问题。采用了结合广义最小残差法的半光滑牛顿法来解决相关优化问题,求解非对称线性方程组,进行了理论分析和实验验证,取得了将该方法与其它方法应用于1维信号、2维图像去噪实验的大量可行数据。结果表明,结合广义最小残差法的半光滑牛顿法的收敛速度比结合预处理共轭梯度法的半光滑牛顿法和交替方向乘子法更快,而且能够有效地消除噪声。

基于Prewitt算子的耦合全变差图像着色算法

为了实现对目标灰度图像中较大范围着色,文中结合YCb Cr色彩空间和Prewitt边缘检测算子,提出耦合全变差图像着色模型。然后,结合交替方向乘子法(ADMM),设计该模型的快速数值求解算法,并给出该算法的收敛性结果。数值实验结果表明,该模型在有效控制颜色越界的同时,能够实现较大范围的着色。

一种改进的全变差盲图像复原方法

当点传播函数未知或不确知的情况下,从观察到的退化图像中复原原始图像的过程称为图像盲复原.传统的图像盲复原算法常采用最小均方误差作为复原效果的评判准则,但它很少考虑人类视觉心理,而图像最终都必须由人类的视觉系统来观测和解释.因此,本文提出一种新的基于人类视觉特性的图像盲复原算法:它采用交替最小化的结构,在模糊辨识阶段,采用全变差正则化算法;在复原阶段,采用基于Weber定律和全变差正则化相结合的算法.仿真实验表明,这种算法可在未知点扩展函数的情况下取得较好的复原效果.

基于小波和非局部的全变差中值先验重建算法

针对最大后验法只能提供有限的局部先验信息,使重建图像出现阶梯状边缘伪影及过度平滑等问题,提出一种基于小波收缩和非局部的全变差(total variation,TV)中值先验重建算法。在中值先验分布重建算法的目标函数中加入降噪能力优异的TV先验,提出基于TV的中值先验(median prior,MP)重建算法;针对重建图像边缘依然不清晰且存在块状伪影的问题,利用平稳小波变换具有良好的时频局部特性和平移不变性的特点,在基于TV的MP重建算法的每次迭代中,进行小波收缩和非局部降噪,进一步优化图像。仿真结果表明,该算法可以获得高质量的图像。

改进的曲波变换及全变差联合去噪技术

运用常规的基于曲波变换和全变差的联合去噪技术,可以有效地衰减随机噪声,较好地克服使用曲波变换带来的强能量团以及在同相轴边缘产生的不光滑现象,但是这种常规的联合去噪方法对有效信号有一定的损害。笔者采用一种多尺度多方向改进的Donoho阈值去噪思想,较好地克服了常规的联合去噪方法的缺陷,保护了有效信号。该方法在应用曲波变换去噪时,对每一个尺度的每一个方向都选取一个合适的阈值因子,而不是常规的方法对整个曲波系数矩阵只选取一个固定比例的阈值因子。理论模型与实际资料的处理结果表明,该技术最大限度地保留了地震数据的有效信号,在地震资料处理中具有较好的应用前景。

一种基于全变差正则化与小波包变换的图像去噪算法

提出一种基于全变差(TV)模型和小波包变换的图像去噪算法,并给出了针对该模型的一种改进正则化参数选取方法,改善了全变差模型去噪中出现的块效应问题,同时保留了图像中的边缘信息.数值实验表明,用所给算法去噪可得到较高的峰值信噪比和较好的视觉效果.

非凸高阶全变差正则化自然光学图像盲复原

受噪声和图像边缘结构信息的影响,传统的图像盲复原方法易出现"振铃"、"拖尾"、"阶梯"等现象。为解决上述问题,本文利用图像的后验信息、点扩散函数(PSF)的稀疏性以及l1,l2两类范数在约束中的不同作用,提出了一种更一般的非凸高阶全变差正则化自然光学图像盲复原模型。针对提出模型的非凸优化问题,在数值求解过程中对模型的范数结构进行改进,引入Split-Bregman权值迭代方法,提高了计算精度。对人工模拟退化图像和真实图像进行了实验测试。结果表明,提出的方法能够对多种退化类型的图像进行有效复原,复原后的图像边缘保持良好,细节和纹理的处理都优于最近文献提出的模型。客观评价结果显示,相比最近文献的模型,提出模型的峰值信噪比最大可以提高2.08dB,信息熵值最大可以提高1.14个单位。

基于同态滤波和全变差的激光图像降噪方法

针对激光主动成像图像的特点,提出了一种基于同态滤波和全变差的图像降噪方法。首先对图像进行同态滤波,提高图像的对比度并去除激光图像的散斑噪声,然后采用基于最小化全变差模型去除激光图像的高斯噪声和脉冲噪声。采用信噪比、对比度和亮度失真度作为图像降噪效果的评估,将算法与中值降噪、小波与中值滤波结合降噪等进行对比实验,实验结果表明,该算法在降低图像噪声的同时提高了图像的对比度,更有利于后续处理。