L1-L 2正则化的图像复原交替优化算法

为快速且准确地重建原始图像,提出一种新的图像复原算法。在稀疏表示的框架下,建立图像复原问题的约束优化模型,同步估计原始图像及其稀疏表示。复原模型的目标函数包含L1-L 2双正则项,为此采用交替优化将模型分解为若干子问题,交替迭代求解这些子问题。其中不可微分的子问题,由迭代重加权方法进行处理。实验结果表明,仅需较少次迭代该算法即可获得原始图像及其稀疏表示的最优估计。与某些优秀的同类算法相比,该算法的速度更快,复原图像的质量更高。     

基于离散正交矩的图像模糊不变性研究*

提出一种基于离散正交Tchebichef矩的模糊不变矩构造算法,其对中心对称点扩散函数造成的模糊图像具有不变性。该不变矩的构造与基于连续矩构造的模糊不变矩思想相似,但其在计算过程中不存在离散近似误差和坐标变换误差,故在有噪声和无噪声情况下均具有更好的模糊不变性。仿真实验验证了本算法的可行性。     

磁共振成像重建的新算法

提出了一种高效的磁共振成像重建算法,将磁共振成像重建看作标准的线性求逆问题,基于变量分离技术重新建立线性求逆问题的目标函数,用交替最小化方法处理新目标函数的优化问题.新目标函数的优化包含两个交替的过程:一个凸的光滑函数的优化和一个凸的非光滑函数的优化.为处理非光滑函数的优化问题,引入投影算法对其求解.实验结果表明了该磁共振成像重建算法的有效性,与同类算法性比,重建的磁共振图像的均方误差(MSE)最小,重建的速度最快.     

一种高效的图像去噪算法

针对图像去噪的速度以及可能出现的阶梯效应等问题进行了研究,提出了一种高效的图像去噪算法.该算法在贝叶斯框架下,首先引入调和模型作为原始图像的先验模型,并用伽马分布作为未知参数的先验分布模型;然后,用变分近似的方法推导最大后验概率;基于此推导过程,同步地估计原始图像和未知参数的最优值,实现图像去噪.实验结果证明了该算法的高效性,通过与其它算法的比较,该算法体现了速度快、效果好的优点,且去噪后的图像不会出现阶梯效应等问题.