自适应非局部数据保真项和双边总变分的图像去噪模型

针对常见去噪方法容易造成特定区域过度平滑、奇异结构残余噪声以及产生阶梯效应和对比度损失等问题,提出一种自适应非局部数据保真项和双边总变分的图像去噪模型,建立了自适应非局部正则化能量泛函和相应的变分框架。首先,对噪声图像利用自适应权值的非局部均值求得数据拟合项;其次,引入双边总变分正则化项,利用正则化系数来适度平衡数据拟合项和正则化项的影响;最后,通过能量函数最小化对不同的噪声统计快速求得最优解,从而达到降低残余噪声并纠正过度平滑的目的。通过理论分析和针对模拟噪声图像与真实噪声图像的实验结果表明,所提出的图像去噪模型能够较好地处理具有不同统计特性的图像噪声,与自适应非局部均值滤波去噪相比,所提算法的峰值信噪比(PSNR)值最多可以得到0.6 dB的改善;与全变分正则化图像去噪算法比较,所提算法的主观视觉效果明显更好,在去噪的同时图像纹理和边缘等细节信息保护得更好,PSNR值最多可以提高10 dB,而多尺度结构相似性度(MS-SSIM)指标可以提升0.3。因此,所提出的图像去噪模型可以在理论上更好地探讨如何合理处理噪声和图像内容本身的高频细节信息,在视频和图像分辨率提升等领域也具有良好的实际应用价值。

文本图像的双边总变分超分辨率恢复方法

超分辨率图像复原的目的是从几幅包含有相同观测区域的图像序列中重建更高分辨率的图像。一般的超分辨率算法没有考虑文本图像的分段连续性,因此有可能丢失笔画边缘处的细节信息。双边总变分正则算法具有很好的边缘保持能力,因此可以应用到文本图像的超分辨率恢复。本文根据汉字的字符结构特点,对双边总变分正则算法进行了改进,根据汉字的笔画组成特征,提出新的正则项。该方法由于充分地考虑了汉字文本图像的结构特征,因此能够很好地保持汉字的笔画的尖锐边缘。实验也证明了使用本文所提出的BTVCH算法获得的超分辨率文本图像可以获得最高的字符识别率。

图像局部纹理特征自适应超分辨率重建

在双边总变分(BTV)正则化方法中,由于同时考虑了周围像素与中心像素的几何距离和灰度相似性,获得了比Tikhonov正则化方法和总变分(TV)正则化方法更好的重建质量。然而,在BTV方法中,由于正则化参数λ为一个定值,使得该方法不能同时保持图像的边缘纹理信息和抑制图像噪声。针对这个问题,提出一种图像局部纹理特征自适应的正则化重建方法,基于灰度共生矩阵提取图像局部纹理特征,建立正则化参数与图像局部纹理特征的函数关系,使正则化参数λ随图像局部纹理特征自适应调整。实验结果显示,与BTV方法相比,该方法能使图像的边缘和纹理细节重建效果更好,并有效抑制噪声。

BTV图像超分辨率重建改进算法

在双边滤波正则化算法的基础上,结合自然图像自身结构相似性,提出一种基于BTV的改进算法。通过在代价方程中引入表达图像非局部结构相似性的正则化项,对重建图像的解空间进一步加以限制和优化,最后通过最陡下降法求得代价方程最优解,从而完成重建。实验证明,与BTV算法相比,改进后的算法不仅能很好地抑制噪声,同时也更好地保留了图像中的细节,重建图像有着比较清晰的边缘,同时该方法也说明重建过程中更多的先验知识对重建结果的重要性。

一种有效保持边缘特征的散焦模糊图像复原方法

图像复原过程中图像的主观视觉质量与图像的局部细节信息之间密切相关。针对散焦模糊图像,提出一种新的图像复原方法。所提方法在传统双边总变分正则化方法基础上,通过引入一种具有结构自适应的局部权值函数,构造了一种新的图像复原目标函数。该目标函数综合考虑了图像的全局与局部统计特性,即在整体保真情况下还充分考虑了图像的局部结构信息,使得所提复原方法能更有效地保持图像的边缘等细节信息。与传统BTV正则化方法的比较实验表明,所提方法在边缘保持方面更有效,复原后的图像具有更好的主、客观视觉质量。

基于灵活LBP纹理字典构造及多特征描述的改进SCSR算法

针对超分辨率重构字典对结构区分度不够、在最优匹配原子搜索中耗时太长的问题,提出了一种多特征联合的分级字典(MFJD).首先,分别用边缘块梯度特征和纹理块局部二值模式(LBP)特征来构建两种分类字典,用于逼近不同类型结构;其次,采用树结构来聚类原子,实现同一字典下的快速原子匹配;最后,引入双边总变分(BTV)正则项来约束重构结果.实验表明:与经典稀疏编码超分辨率重构(SCSR)算法相比,MFJD多特征联合的分级字典使重构图像的PSNR值提高了0.2424 d B,使平均结构相似度(MSSIM)和特征相似度(FSIM)分别提高了0.0043和0.0056;由于结构分类字典维数降低,重构时间降至SCSR算法的22.77%.