彩色纹理图像恢复的非局部TV模型

基于局部算子不同形式的TV(total variation)模型用于彩色图像的噪声去除时往往存在边缘模糊、纹理模糊、阶梯效应、Mosaic效应等问题.因此,将传统局部的Tikhonov模型、TV模型、MTV(multi-channel total variation)模型、CTV(color total variation)模型推广到基于非局部算子概念的NL-CT(non-local color Tikhonov)模型、NL-LTV(non-local layered total variation)模型、NL-MTV(non-local multi-channel total variation)模型、NL-CTV(non-local color total variation)模型,并通过引入辅助变量和Bregman迭代参数设计了相应的快速Split Bregman算法.实验结果表明,所提出的非局部TV模型都很好地解决了局部模型中出现的问题,在纹理、边缘、光滑度等特征保持方面取得了良好特性,其中NL-CTV处理效果最好,但是计算效率较低.     

一种PDE图像分解去噪模型及算法

通过分析ROF(Rudin,Osher and Fatemi)模型和LLT（lysaker,lundervold and Tai)模型在处理噪声图像时存在的缺陷,以及纹理部分和噪声部分之间的差异,将图像分解思想和ROF模型与LLT模型相结合,提出了一种新的分解去噪模型：DD(decomposition and denoising)模型。该模型在处理噪声图像时,将噪声图像分解为结构、纹理和噪声3部分,从而达到既去噪又能分解的目的。进一步通过仿真试验,验证了DD模型和算法的合理性及有效性。     

PDE技术的图像放大模型

偏微分方程(PDE)已成为图像处理与分析中的重要工具。而数字图像处理的一个基本内容是图像放大,即从低分辨率图像获得高分辨率图像的图像处理技术。通过两种泛函模型,利用变分的思想,提出了基于TV-norm (total variation norm)插值模型和四阶偏微分方程插值模型的图像放大算法。通过仿真实验结果及均方误差（MSE）和峰值信噪比（PSNR）两种评价准则说明了该算法的有效性和可行性。