自适应阈值的超变分正则化图像盲复原

针对一阶总变分盲复原块效应严重的问题,提出了一种自适应阈值的超变分正则化图像盲复原方法来恢复点扩散函数未知的退化图像。对总变分形式进行了分析,提出了超变分正则项,并给出了代价函数的数学模型。用估计的图像噪声确定模型中阈值的大小,然后引进3个辅助变量等价转化代价函数,以便简化后续计算并提高复原效果。最后,利用半二次规整化对模型迭代求解。实验结果表明,复原后图像细节增加且块效应减少,相对于目前已有的方法,信噪比提高了近1dB。恢复效果表明该方法具有较大的实用价值。

一种耦合卡通-纹理分解及边缘检测的方法

在Luminita A.Vese和Stanley J.Osher提出的基于总变差最小化的纹理图像分解模型的基础上,运用半二次规整化方法(half-quadratic regularization)得到联合纹理特征提取和边缘检测的耦合变分模型。数值计算的结果表明,本文方法对图像的卡通-纹理分解以及边缘的提取都有较好的效果。

联合纹理提取和边缘检测的新方法

结合稀疏表示和半二次规整化方法,提出了一种联合纹理特征提取和边缘检测的新算法。该算法是基于稀疏表示的形态学成分分解方法的直接推广。其基本思想是用两个适合的字典:一个用来描述纹理部分——对偶树复小波变换,另一个用来描述结构部分——第二代曲线波变换,得到了一种新的分解模型。接着运用半二次规整化方法推广这个分解模型,提出了一种联合纹理特征提取和边缘检测的变分模型。数值计算的结果表明,新模型对图像的结构纹理分解,以及边缘的提取都有较好的效果。

基于PDE的图像分解与边缘检测的一种新方法

Luminita A.Vese和Stanley J.Osher提出的卡通—纹理图像分解模型,能将一幅自然图像中的卡通部分和纹理部分分开,但是分解不完全,卡通部分还含有一些纹理信息且边缘容易被模糊。在Vese和Osher卡通—纹理分解模型的基础上,运用半二次规整化方法,得到联合图像分解与边缘检测的新模型。并讨论了其中边缘正则项的三种形式。数值实验表明新模型C使得卡通—纹理分解与边缘提取同时进行,在保持卡通图像较好光滑性的同时,能有效地保护边缘细节的信息,使得图像分解更彻底,提取的边缘信息更准确。

基于时空光滑约束的总变分最小化视频去隔行算法

从隔行视频序列获得高质量图像需要进行去隔行处理.文中针对这一问题提出了一种基于时空光滑约束的总变分最小化视频去隔行算法.它首先应用Bayes公式将去隔行问题转化为一类最优化问题,然后应用图像随机场模型结合时空光滑约束导出优化问题的代价函数,通过变分法得到Euler-Lagrange方程,最后应用凸半二次规整化方法求得最优解.实验结果表明,文中的方法优于一般的去隔行算法.同时提出了两个去隔行方法的评价标准,它们可以定量检验去隔行方法的效果.