运用TGV正则化分解模型实现天文图像去噪

通过对天文图像进行分解达到去噪的目的,针对图像分解模型中常用的总变差(Total Variation,TV)半范假设图像由分片常数区域构成这一局限性,提出了基于2阶总广义变差(Total Generalized Variation,TGV)半范正则化的图像分解方法.假设图像的主体部分在有界总变差(Bounded Generalized Variation,BGV)空间中,振荡部分在G空间中,建立图像分解极小化模型,使得分解后的各部分之和逼近原始图像的同时,主体部分满足一定的光滑性要求.运用快速迭代压缩-阈值算法(Fast Iterative Shrinkage-Thresholding Algorithm,FIS-TA)迭代算法及Chambolle投影算法对模型求解,收敛速度快,耗时小.数值实验表明,与TV正则化方法相比,利用本文方法能更好地去除太阳射电动态频谱图中的噪声,从而更准确地将纤维精细结构提取出来.