为有效抑制椒盐噪声对图像信息的影响,根据椒盐噪声随机破坏图像中像素值的显著特征,本文提出一种耦合噪声检测的自适应模糊正则化噪声去除模型。一方面,基于L_(1)范数建立数据保真项,实现对图像统计分布进行有效拟合。另一方面,通过对...为有效抑制椒盐噪声对图像信息的影响,根据椒盐噪声随机破坏图像中像素值的显著特征,本文提出一种耦合噪声检测的自适应模糊正则化噪声去除模型。一方面,基于L_(1)范数建立数据保真项,实现对图像统计分布进行有效拟合。另一方面,通过对图像中像素相似性的有效量化实现图像中噪声的检测,并将此耦合至正则项中,使得模型可依据像素点实际受噪声的污染对其施加惩罚程度,最终实现椒盐噪声的自适应模糊去除。本文采用交替方向乘子法(Alternating direction method of multipliers,ADMM)进行模型的数值结果实现,并运用峰值信噪比(Peak signal-to-noise ratio,PSNR)及结构相似性(Structural similarity,SSIM)对实验结果进行评定。实验结果表明,本文提出的模型在PSNR及SSIM方面得到显著提升,其中对于灰度图像的去噪实验PSNR最高可提高1.3dB,SSIM最高可提高0.2。展开更多
文摘为有效抑制椒盐噪声对图像信息的影响,根据椒盐噪声随机破坏图像中像素值的显著特征,本文提出一种耦合噪声检测的自适应模糊正则化噪声去除模型。一方面,基于L_(1)范数建立数据保真项,实现对图像统计分布进行有效拟合。另一方面,通过对图像中像素相似性的有效量化实现图像中噪声的检测,并将此耦合至正则项中,使得模型可依据像素点实际受噪声的污染对其施加惩罚程度,最终实现椒盐噪声的自适应模糊去除。本文采用交替方向乘子法(Alternating direction method of multipliers,ADMM)进行模型的数值结果实现,并运用峰值信噪比(Peak signal-to-noise ratio,PSNR)及结构相似性(Structural similarity,SSIM)对实验结果进行评定。实验结果表明,本文提出的模型在PSNR及SSIM方面得到显著提升,其中对于灰度图像的去噪实验PSNR最高可提高1.3dB,SSIM最高可提高0.2。