基于图像局部梯度L0范数正规化的图像分解算法

针对基于梯度L0范数正规化的变分泛函最优化分解图像时误判噪声梯度为边缘梯度的问题,提出一种基于图像局部梯度的L0范数正规化的图像分解算法。该算法构造了一个由保真函数和正则项构成的适用于图像分解的变分泛函,其中正则项用图像的局部梯度的L0范数进行估计,进而通过求解泛函的最小值,以分解出图像的结构信息(即图像的边缘)。与直接基于图像一阶梯度的L0范数的分解算法相比,该算法可以去除噪声梯度的干扰,从而使分解出的图像边缘中不含有噪声。实验结果表明,该算法在分解图像结构和纹理时,既能很好地把边缘保留在图像结构层中,也可把噪声分解到图像结构层外。     

基于凸包优化的盲源分离在图像去噪中的研究

目的针对高斯-脉冲混合噪声图像中难以有效去除大量奇异点或离群数据的问题,提出一种基于凸包优化的盲源分离方法来去除图像中的混合噪声。方法该方法把混合噪声和原图均看作未知的源信号,依据噪声图像中混合噪声与原图内容的加性关系建立盲源分离的模型,并利用凸包优化的方法构建源信号(凸包极点)的仿射包,然后通过最小化仿射包到凸包(噪声图像)上的投影误差,求解混合噪声和原图2个源信号,实现去噪混合噪声、复原原图的目的。结果实验结果发现,无论高斯-脉冲混合噪声强弱,该方法去噪复原后的峰值信噪比和平均结构相似性分别在39.9129 d B和0.9以上。结论由实验数据证实该方法可有效地从盲源分离的角度去除图像中高斯-脉冲混合噪声、复原原始图像。     

彩色视觉相似性图像评价方法

针对当前评价方法对彩色图像评价的不足,提出一种基于彩色视觉相似性的图像质量评价方法。首先通过把彩色图像转换到相对均匀的色空间（LAB2000HL）,再根据视觉空间响应特性分别使用亮度对比度敏感函数（CSF）和色度CSF进行调整,获得各维图像的结构相似性（M-SSIM）指数,最后综合考虑色空间各维信息对彩色视觉质量影响的权重,建立综合评价指标现实彩色图像的质量评价。实验中,利用图像数据TID2008进行测试,并通过Spearman 等级相关系数和Kendall等级相关系数分析评价结果与其视觉主观评价的一致性。实验结果表明,与其他图像质量方法比较,所提方法的评价结果与视觉主观评价具有较高的一致性。