基于多线性权重核范数最小化的遥感图像去噪

传统的基于矢量或基于矩阵的遥感图像去噪方法在去噪过程中可能导致空间域和光谱域失真。为了提高去噪效果的同时尽量降低失真,提出了一种多线性加权核范数最小化方法。首先,考虑到遥感图像的谱连续性和按三模展开矩阵的相互依赖性,构建了一种多线性秩来建模遥感图像的空间和谱非局部相似性。然后,为了使该方法更易于处理,采用基于变量分裂的方法来解决此优化问题。实验结果表明:该方法在客观度量和主观视觉质量两个方面都较目前最先进的方法都有较大的提高。

去除稀疏和结构化噪声的交替方向增强拉格朗日算法

图像和视频去噪是数字图像处理的必要环节之一.为了去除图像和视频中广泛存在的稀疏噪声和结构化噪声,提出了一种分离低秩矩阵、稀疏矩阵和结构化矩阵的优化模型一主成分离群点追求.在交替方向最小化思想的基础上,利用增强拉格朗日乘子法求解主成分离群点追求模型,设计了求解模型的交替方向增强拉格朗日(ADAL)算法,加入了一种连续技术以提高算法的收敛速率.仿真实验结果表明,提出的模型和算法能够有效去除不同尺寸矩阵的不同比例的稀疏噪声和结构化噪声.

处理噪声问题的泰勒展开交替最小化算法

为了处理图像、计算机视觉和生物信息等领域中广泛存在的稀疏大噪声和高斯噪声问题,提出了一种利用交替方向最小化思想求解主成分追求松弛模型的泰勒展开交替最小化算法(TEAM).采用推广泰勒展开和收缩算子等技术推导出低秩矩阵和稀疏大噪声矩阵的迭代方向矩阵,加入连续技术提高算法的收敛速率,设计出TEAM算法的求解步骤.实验中,将TEAM算法与该领域的顶级算法作分析对比.结果表明,TEAM算法时间优势明显,误差优势略好.

基于变分分数阶偏微分方程的图像放大算法

为了提高放大后的图像质量,将分数阶偏微分方程和基于全变差的图像放大思想相结合,建立了一个新的基于分数阶梯度的全变差,该全变差的最小解即是放大后的图像,然后采用交替方向最小化方法,给出该放大模型的分数阶投影算法及其收敛性证明。得益于分数阶偏微分方程处理图像的优势,新模型不仅能够较好地保持图像边缘和纹理细节,还能非线性地保留图像平滑区的纹理特征。数值模拟实验表明,新模型可得到高质量的放大图像。