基于混合非凸性二阶全变分和重叠组稀疏的非盲图像去模糊算法

为了解决凸性全变分正则化模型会使重构结果出现非闭合轮廓和非齐整边缘等缺点,设计了混合非凸性全变分耦合重叠组稀疏的图像去模糊算法。重叠组稀疏正则化项很好地考虑了相邻元素之间相互交叉的关系,非凸性二阶l p范数正则化项较好保持了图像的边缘形状信息,同时将这两个正则约束项融入到全变分函数中,可以准确地恢复边缘结构特征以及消除平滑区的阶梯效应和振铃效应。最后,为实现非凸性高阶模型的优化求解,提出了变量分裂法,将该模型分离成4个子问题,然后借助重加权l1交替方向法来完成图像去模糊的计算。测试数据显示,相比当前图像复原技术,所提算法具备更为理想的去模糊效果,复原图像表现出更高的峰值信噪比和结构相似度,可以更有效地恢复出边缘形状信息和纹理细节。

基于二阶全变分与Lp伪范数的图像解模糊研究

各向异性全变分模型广泛应用于图像解模糊,然而,传统的各向异性全变分模型存在以下两个缺点:首先,传统各向异性全变分模型假设图像为分片常数且只考虑了图像一阶梯度的稀疏约束导致恢复的图像存在严重的阶梯伪影效应;其次传统全变分模型采用L1范数来刻画图像梯度的稀疏性,然而L1范数刻画图像的稀疏性的能力有限,为改进这两个缺点,本文提出一种结合了二阶梯度稀疏约束和Lp伪范数新的去模糊方法,引入二阶全变分是为了适应图像的先验项从而去除阶梯效应,引入Lp伪范数是为了更准确刻画图像的稀疏性,为求解模型,采用交替乘子迭代法将模型分解为若干个去耦合的子问题.通过实验展现本文提出方法的效果.结果显示相比于本文提到的其他四种模型,本文提出的模型具有更优的效果。

基于二阶全变分的图像去噪方法

将经典全变分模型和高阶全变分模型的正则项结合,构建了二阶全变分去噪模型,提出了二阶全变分去噪方法。通过差分算子对该模型做了离散化处理,利用3种不同方法做了图像的去噪实验。结果表明,利用二阶全变分去噪法能有效去除散斑噪声,提高图像的整体质量,能使图像的细节更加清晰,视觉效果更好。

基于加权截断Schatten-p范数与改进二阶全变分的矩阵填充

近年来,矩阵填充问题在许多实际应用中引起了研究人员的广泛关注,并产生了一些基于低秩矩阵恢复理论的矩阵填充方法。在这些方法中,人们一般只关注于矩阵的低秩先验信息部分。但是,在矩阵填充的实际应用中,局部光滑先验信息却没有得到更好的利用,使得实际应用中的矩阵填充效果往往不佳。针对上述问题,本文提出了基于加权截断Schatten-p范数与改进二阶全变分的矩阵填充模型。该模型利用加权截断Schatten-p范数对矩阵进行低秩约束,同时利用改进的二阶全变分范数对矩阵的光滑先验信息进行建模,以此来提高矩阵填充效果。通过与多种已有的常用矩阵填充方法在文本掩膜图像重建中的实验结果对比,所提出的方法具有更好的矩阵填充效果。

基于耦合偏微分方程的煤矿图像去噪算法

针对煤矿复杂环境下矿井图像具有噪声大、照度低的问题,提出了一种基于二阶与四阶偏微分方程耦合的煤矿图像去噪算法。该算法利用差分曲率边缘检测算子将二阶与四阶偏微分方程模型有效耦合,保持图像边缘,利用尺度因子保护图像纹理细节。实验结果表明,该算法能很好地保持图像边缘、保护图像纹理细节,且收敛速度快,可避免阶梯效应。