基于框式约束的快速全变差图像泊松去噪算法

该文首先从变分学的角度分析Le等人(2007)基于全变差的图像泊松去噪模型,得到该模型解的一框式约束限制。在此基础上,结合交替方向乘子算法(ADMM),给出了基于框式约束的快速全变差图像泊松去噪算法,并证明了该算法的收敛性。最后,数值实验结果验证了该快速算法的可行性与有效性。     

基于耦合非局部全变差的图像着色算法

基于局部算子的全变差(TV)模型在对纹理图像着色时,会出现颜色扩散不均匀,着色范围区域较小等问题。为了解决上述问题,该文提出基于非局部算子的耦合全变差图像着色模型,结合交替方向乘子法(ADMM),设计出相应的数值求解算法,并给出该算法的收敛性结果。该模型充分利用像素邻域亮度之间的相似性进行颜色扩散,能有效避免仅利用亮度边缘信息进行局部扩散导致颜色扩散不均匀的问题。数值实验结果表明,该模型在快速着色的同时,能有效解决颜色在纹理等细节处扩散不均匀的问题。     

基于凸松弛的图像选择性分割模型的快速算法

针对基于测地距离的图像选择性分割模型非凸的缺陷，该文结合凸松弛方法，提出凸松弛的选择性分割模型，并通过证明，给出凸松弛模型的解与原模型解之间的关系。然后，应用交替方向乘子法(ADMM)，设计凸松弛模型的数值求解算法，并给出了该算法的收敛性。数值实验结果表明:该文所提算法的收敛速度不仅大大优于求解原模型的加性算子分裂算法，而且分割结果也更精确。     

基于耦合全变差的快速图像着色算法

本文在YCbCr色彩空间机制下,结合目标灰度图像的梯度信息,提出基于耦合全变差的图像着色模型.然后,利用交替方向乘子算法（ADMM）,设计所提模型的快速数值求解算法,并给出了该算法的收敛性结果.最后,数值实验结果表明,该模型在快速着色的同时,能有效地防止颜色越界.     

自适应广义全变差的图像泊松去噪算法

针对医学、天文图像中的泊松噪声,基于广义全变差的图像泊松去噪模型,结合交替迭代极小化方法,提出一种自适应广义全变差的图像去噪算法。该算法利用广义交叉验证技术,使得模型中的正则化参数在算法迭代过程中可以自动更新。数值实验结果验证了该算法的有效性与可行性。     

保持泊松噪声图像细节的快速变分去噪算法

去除医学、天文图像中的泊松噪声一直是人们关注的热点问题之一。在充分分析泊松去噪[α]-Le模型的基础上结合交替方向乘子（ADMM）算法,给出该模型一基于框式约束的快速求解算法,并证明了该算法的收敛性。数值实验结果表明,该算法在去噪的同时,不仅能很好地保留图像中的边缘及小细节特征,还能大幅提高运算效率。