一种基于L_1范数的非局部变分图像复原模型

针对L_2范数的非局部变分模型在迭代过程中未考虑图像局部梯度信息,模糊图像细节信息的缺点,提出了一种基于L_1范数的非局部变分模型。首先,对基于L_1范数的非局部变分模型的扩散性能进行了详细的分析。接着,将该模型应用于退化图像的复原中,并推导出该模型的Bregman交替迭代求解过程。最后,通过对比实验,证明本文提出的L_1范数的非局部变分复原模型能更好地重构图像的细节信息,相对于L_2范数的非局部变分模型峰值信噪比提高大于1dB,图像复原性能更优。     

一种基于曲率变分正则化的小波变换图像去噪方法

噪声和图像的细节特征主要集中于图像高频部分,在图像去噪过程中,图像的某些重要特征（如边缘、细小纹理等）易受到破坏.针对这一情况,本文提出基于曲率变分正则化的小波变换图像去噪方法,首先用小波提取图像的高频成分,对图像进行增强处理,然后用增强图像的水平集曲率建立一个基于水平集曲率的曲率驱动函数,再将曲率驱动函数作为一个校正因子引入到变分模型中,建立曲率变分模型,用以控制图像的整体结构.在缺乏图像梯度信息的情况下,该模型克服了ROF模型错误扩散这一缺点,符合图像处理的形态学原则.最后,用建立的曲率变分模型处理提取的高频成分,重构处理后的高频成分和原来的低频成分,得到去噪后的图像.分析和仿真结果表明,新算法可有效抑制噪声,有极高的图像结构相似度,去噪效果明显.     

一种连续性非局部变分图像修复模型

图像的非局部变分修复(Non-local Total Variation,NLTV)技术未考虑破损区域边界的连续性,从而在修复区域产生阶梯现象,影响非局部变分模型的修复性能.为实现图像修复边界区域的连续性,将罗宾边界算子引入到非局部拉格朗日方程中,利用破损程度实现对图像修复扩散强度自适应控制,建立自适应连续性非局部变分...     

一种基于变形模型的红外图像去噪新方法

红外图像去噪的新方法采用了平滑约束计算机视觉问题的变形模型，并根据 红外图像的成像特点，提出了用变形模型的空间变化尺度因子，去控制红外图像的平滑去噪操作，使得去噪处理具有良好的保边缘性能。     

一种新的去噪模型的分裂Bregman算法

该文在研究两步模型的基础上,提出了一种新的变分去噪模型。通过分析新模型的性质,给出一种高效且快速的数值算法。由于新模型耦合了两个变量,因此新算法首先利用交替极小化方法化原模型为两个简单的子模型,然后再对两个子模型分别利用分裂Bregman方法进行数值求解。实验结果表明,新算法不但收敛速度较快,而且在去噪过程中能够减缓阶梯效应并能较好地保持图像的边缘信息。     

基于变分模型的梯度域色阶映射算法

针对梯度域动态范围压缩算法存在伪边缘以及局部细节扭曲等现象,提出了一种基于变分模型的梯度域色阶映射方法。首先,在梯度域内构造了一个既能够压缩图像的动态范围又能够保证边缘与细节信息的变分模型;其次,将Gibbs采样的思想引入到最速下降法,在求解变分模型最优解的同时有效地提高了无约束最优算法的收敛速度;最后通过改进的最速下降法得到变分模型最优解。实验结果表明该算法能够有效地去除光晕,得到细节保持完好的低动态范围图像。另外,改进的最速下降法保证了算法的实时性。     

基于总变分和中值滤波的图像去噪方法

总变分图像去噪方法是一种经典的图像去噪算法,但是在噪声水平较高时容易产生虚假边缘,从而影响了去噪效果。为了克服总变分去噪算法容易产生虚假边缘的不足并有效地去除噪声,在此利用噪声的无方向性这一与边缘特性不同的特点,提出了一种结合中值滤波和总变分的图像去噪方法。为了说明该去噪算法的有效性,进行了大量的仿真实验。实验结果表明,该方法降噪效果明显,人眼能直观感受到图像质量的改善,在高噪声水平下,其峰值信噪比至少提高了1．2dB左右。     

一种基于变分的红外和微光遥感图像融合模型

为了充分利用红外和微光遥感图像中的互补信息,使其便于目视解译,提出了 一种基于变分的图像融合方法。该变分模型定义了细节注入项和结构保真项,在保持红外和微光图像 光谱特性的同时,还改进了融合图像的空间细节和结构特性;引入了正则化能量项,保证了泛函最优解 的平滑性。基于梯度下降流,通过数值迭代获得了融合图像。实验结果表明,该模型能够获取兼具 丰富细节信息和光谱信息的融合图像。与Laplacian金字塔分解方法和多孔小波方法相比,本文 方法具有更佳的融合性能。     

联合Sobolev梯度的相场变分模型应用于图像显著性检测

基于变分框架和相变换理论,提出能量泛函应用于图像显著性检测,采用Sobolev梯度法最小化该能量泛函,由此导出基于时间的演化系统应用于计算机视觉选择,其检测过程是图像显著和非显著分量的竞争变化.比较传统的L₂梯度,Sobolev度量具有更好的正则性.论文阐述了演化系统的动态行为和视觉选择之一致性,这对探索新的显著性检测机制非常重要.实验显示,本文模型在较好压制图像背景的同时,获得较为精细的目标、纹理,绒毛等信息,这些信息对于视觉感知是非常重要的.     

基于整体变分和变换域分析的复合去噪模型

本文在泛函空间理论基础上提出了一种整体变分与小波阈值萎缩复合的图像去噪模型。复合模型在小空间规整化约束下实现整体变分优化去噪,保持图像边缘特征减弱值阶跃现象;复合模型处理图像中不存在Gibbs现象且可应用于大噪声图像恢复缺失信息。DCT变换是一种表征图像纹理特征的变换域处理方式,本文最后将DCT变换引入复合模型,得到保持纹理特征的复合去噪模型。理论和实验证明了本文提出的模型在图像去噪中的有效性。     

基于图像局部方向特性的自适应全变分去噪模型

针对全变分模型(total variation,TV)以图像的梯度信息作为去噪的尺度参数,未考虑图像局部纹理的方向性的缺点,提出了一种基于图像局部方向特性的自适应全变分去噪模型(Adaptive directional total variation,ADTV),并推导出该模型的迭代数值求解过程。在该模型中,首先,计算出图像局部方向的角度矩阵。然后,构造与图像纹理方向一致的椭圆区域代替TV模型的圆形区域。最后,通过优化最小化算法迭代求解以获得去噪后图像。通过对比实验证明,本文提出的模型取得了更高的峰值信噪比,去噪过程中更好地增强了图像的细节信息。     

自适应Split Bregman迭代的红外图像降噪算法

对于全变分降噪模型,Split Bregman算法收敛快而且具有较好的降噪效果.通过研究Split Bregman算法,提出了一种自动调节拉格朗日乘子和罚参数的自适应Split Bregman算法.实验结果表明,新方法与传统Split Bregman算法相比具有更快的收敛速度,同时能在保持红外图像边缘特性的前提下有效地去除噪声.     

基于全变分理论的红外图像去噪

为了去除红外图像中的噪声,提出了一种基于全变分理论的去噪算法。该方法继承了经典全变分模型在去除噪声中保护边缘的优点,结合图像平滑扩散原理,得到了一个全新的扩散函数;同时引入了一个边缘检测算子,对正则项和忠诚项的相关参量进行了改进,使得修复后的图像大大避免了阶梯效应;最后对该算法的实现进行了推导。结果表明,该算法能够有效地去除噪声,并且避免了阶梯效应的产生。     

基于非局部全变差模型的图像复原方法

面向图像复原问题,本文提出一种非局部的全变差图像复原方法。该方法将传统的全变差模型拓展为非局部变差模型,充分利用非局部子块对结构的保持作用,进一步提高复原图像的质量。此外,为了解决上述的非局部全变差模型,本文引入算子运算简化目标函数, 再利用迭代的Splitting算法对其进行交替求解,提高收敛精度。实验结果表明,本文算法在视觉效果和客观评价指标两方面均优于传统算法。     

一种基于全变差模型的欠采样图像重构方法

基于全变差范数最小化模型,构造了一种新的图像重构算法;利用欠采样域内的融合信息,结合构造的图像重构算法,提出了一种基于压缩感知理论的图像融合模型.数值实验表明,构造的重构算法与传统算法相比,在一定程度上减少了所需的采样数量;提出的融合模型对多类图像具有较优的融合效果.     

全变分耦合图像去噪模型

针对TV模型去噪后图像容易产生“阶梯效应”的现象,提出一种全变分耦合图像去噪模型。首先,根据去噪过程中图像梯度的变化趋势,构造一个趋势保真项,该保真项不但能有效去除图像噪声,而且能抑制“阶梯效应”。然后用小波在频域里对图像进行系数分解,利用Canny算法的边缘检测特性,设计控制函数,控制能量的扩散方向,保持了TV模型和趋势保真项的优点,能够在保护图像边缘纹理等细节信息的同时,抑制“阶梯效应”。实验结果表明,新模型的峰值信噪比、结构相似度、视觉效果均有显著提高。另外,所提模型的运行时间较短。     

基于全变分模型的图像噪声去除效果比较

基于偏微分方程的图像去噪方法由于将数学与工程结合得更加紧密,具有较强的自适应能力和灵活性.本文首先介绍了目前已经提出的变分模型的快速Split-Bregman算法,然后通过大量数值实验对不同模型的去噪效果进行了比较.所研究的模型包括L1范数、L2范数、LTV(1ayered total variation)规则项、MTV(multicharmel total variation)规则项和CTV(color total variation)规则项,从灰度图像和彩色多通道图像两方面进行分析.实验结果表明对于灰度图像基于L1范数的TV去噪模型效果较好,彩色图像中CTV模型对图像去噪边缘保持最好,其他依次是MTV模型、LTV模型.     

基于整体变分模型的图像修复算法仿真实现

为了提高受损数字图像修复质量,将整体变分模型用于图像修复。采用Matlab编程工具对修复过程进行了仿真实现,克服了直接求解偏微分方程的困难。发现随着迭代次数的增加,被修复区域接近原图质量,当受损区域较小且受损区域灰度梯度不大时,看不出明显的修复痕迹。仿真实验结果表明,该算法复原图像的视觉质量好,算法收敛快,特别适合于线状裂痕的图像修补。     

Adaptive Bregmanized total variation model for mixed noise removal

To solve the problem of the staircase effect and removing mixed noise, including Gaussian and salt and pepper noise, which can occur during image formation and transmission, a total variation-based denoising model using an edge detection function is proposed. Moreover, an improved split Bregman iteration method is used to solve the nonlinear problem. The results of comparative experiments demonstrate that the proposed model removes Gaussian and salt and pepper noise while maintaining detailed features.