自适应全变分图像去噪模型及其快速求解

格式：pdf
大小：435.15 KB
文档页数：4

下载文档原格式

张量分解和自适应图全变分的高光谱图像去噪

张量分解和自适应图全变分的高光谱图像去噪蔡明娇;蒋俊正;蔡万源;周芳【期刊名称】《西安电子科技大学学报》【年(卷),期】2024(51)2【摘要】高光谱图像在采集过程中受到观测条件、成像仪材料属性、传输条件等客观因素的影响,不可避免地会引入各种噪声。

这严重降低了高光谱图像的质量以及限制了后续处理的精度。

因此,高光谱图像去噪是一个极其重要的预处理步骤。

针对高光谱图像去噪问题,提出了低秩张量分解和自适应图全变分的高光谱图像去噪算法。

首先,利用低秩张量分解来描述高光谱图像的全局空间和光谱相关性,并使用自适应权重图全变分来刻画高光谱图像空间维度上的分段平滑特性和保留高光谱图像的边缘信息;此外,采用l1-范数、Frobenius-范数分别刻画包括条纹噪声、脉冲噪声、死线噪声在内的稀疏噪声和高斯噪声。

由此高光谱图像去噪问题归结为一个包含低秩张量分解和自适应图全变分的约束优化问题。

利用增广拉格朗日乘子法对该优化问题进行交替求解。

实验结果表明,所提出的高光谱图像去噪算法与现有的算法相比,能够充分刻画高光谱图像数据的内在结构特性,具有更好的去噪性能。

【总页数】13页(P157-169)【作者】蔡明娇;蒋俊正;蔡万源;周芳【作者单位】桂林电子科技大学信息与通信学院;桂林电子科技大学卫星导航定位与位置服务国家地方联合工程研究中心;桂林电子科技大学广西无线宽带通信与信号处理重点实验室【正文语种】中文【中图分类】TP751【相关文献】1.一种融合结构张量与非局域全变分的图像去噪方法2.基于二维变分模态分解和自适应中值滤波的图像去噪方法3.基于非凸低秩矩阵逼近和全变分正则化的高光谱图像去噪4.基于二维变分模态分解与自适应分数阶积分的图像去噪方法5.基于全变分加权差正则的高光谱图像去噪算法因版权原因，仅展示原文概要，查看原文内容请购买。

2013350 一种基于总体变分的自适应图像去噪方法

一种基于总体变分的自适应图像去噪方法摘要：建立了总体变分自适应图像去噪模型，并给出了其非线性各向异性扩散方程的数值解法，该方法采用高斯滤波器对噪声图像进行预处理，并利用图像每个像素的梯度信息，使其扩散方程在沿边缘方向上具有较大的扩散系数，而在垂直边缘的方向上具有较小的扩散系数。

因此，总体变分自适应图像去噪方法不但能抑制噪声，还能很好地保持图像的边缘和纹理特征。

图像去噪仿真实验表明，该方法的降噪效果明显优于总体变分去噪方法和中值滤波、维纳滤波等传统方法。

关键词：偏微分方程；总体变分；图像去噪；自适应；梯度中图分类号：TP751 文献标识码：AAn Adaptive Image Noise Removal Method Based on Total VariationAbstract: This paper illustrates an adaptive image noise removal method based on total variation and provides the numerical solution for the nonlinear anisotropic diffuse equation. This method uses a Gaussian filter for noised images preprocessing and the gradient of every pixel is used in the diffuse equation, which has a bigger diffuse coefficient along the direction of image edges and a smaller one on vertical directions against image edges. Therefore, the adaptive image denoising method based on total variation, achieves noise restriction and detail preservation simultaneously. Image noise removal simulated results show that the performance of this method is obviously better than the total variation denoising method and traditional smooth methods such as median filtering, Wiener filtering and so on.Key words: Partial Differential Equation(PDE); Total Variation; Image Noise Removal; Adaptive; Gradient1 引言图像去噪是图像处理领域的一个重要问题，其关键在于去除噪声的同时能保持图像的边缘和纹理等细节特征。

一种改进的全变分自适应图像去噪模型

- d iv q ( | u |) | u λ ( u - u0 ) = 0。 ( 9 ) +2 u| u |) |
p(| u| )
从方程中可以看出 , 扩散系数为 1 / | u |。在边缘处 , | u | 较大 , 扩散系数较小 , 因此在边缘区扩散速度很慢 , 从而保留了边缘 ; 在平滑区 , | u | 较小 ,扩散系数较大 , 因此在平滑区扩散速度较快 , 从而去除了噪声。但是 , 该模型不符合图像形态学 ( stair2 原则 ,其稳态解的平滑区往往会产生“ 阶梯 ” case )效应。
滑、自然 ,人眼视觉效果有很大改善 ,M SE 值降低了约 35, PSNR 提高了约 2变分去噪模型 ,该模型综合利用各向同性扩散模型和 TV 模型的优点 ,引入两个门限 , 小于门限 β 1 的梯度模值的点采用各向同性扩散模型 , 大于门限 β 2 的梯度模值的点采用 TV 模型 , 梯度模值在两个门限之间的采用自适应模型。实验结果表明 : 本模型的 M SE 和 PSNR 值较其他模型好 , 有效地去除了阶梯效应 , 人眼主观视觉感受也有较大改善。
u ) 系数为 1,
度模值较小时 , 即平滑区 , p接近于 2, 为各向同性扩散模型 , 能有效去除噪声。
2 改进自适应模型
自适应模型与 TV 模型相比 , 能有效减缓阶梯效应 , 但在噪声较大情况下 , 阶梯效应仍然较为明显。为了进一步减少阶梯效应 , 本文对自适应模型进行了如下改进 , 选择如下的自适应插值函数 :
1 2
。
1 变分图像去噪模型
令 f ( x, y ) 表示理想图像 , n为加性噪声 , u0 为退化图像 , u 为待求去噪图像 , 则有 ( 1) u0 = f + n。目前 , 国内外提出了很多变分图像去噪的模型 , 大致可分为 3 类。

PCB图像的自适应全变分去噪算法

PCB图像的自适应全变分去噪算法余丽红;曹蕾;柳贵东;杨新盛;黄东升【摘要】为了提高印刷电路板(PCB)图像的去噪效果,提出了一种基于先验信息的PCB图像自适应去噪算法.首先,采用非局部均值滤波算法对模糊的PCB图像进行滤波以减少图像噪声,并提取去噪后的图像先验信息.其次,在全变分算法的基础上,设计基于先验信息的自适应正则化参数.最后,利用迭代正则化算法快速得到最优的去噪图像.实验结果和数据分析证实了所提算法的有效性.与原有算法相比,所提算法能够得到视觉效果更好的去噪图像,信噪比也比原有方法提高至少0.5dB,结构相似度指标也有相应的提升.【期刊名称】《红外技术》【年(卷),期】2018(040)009【总页数】6页(P875-880)【关键词】图像去噪;全变分;非局部均值滤波;自适应去噪【作者】余丽红;曹蕾;柳贵东;杨新盛;黄东升【作者单位】广东白云学院电气与信息工程学院,广州广东510450;广东白云学院电气与信息工程学院,广州广东510450;广东白云学院电气与信息工程学院,广州广东510450;广东白云学院电气与信息工程学院,广州广东510450;广东白云学院电气与信息工程学院,广州广东510450【正文语种】中文【中图分类】TP751.1印刷电路板（Printed Circuit Board，PCB）检测在PCB生产过程中起到至关重要的作用[1]。

在基于自动光学检测（Automatic Optic Inspection，AOI）的PCB检测系统中，机器通过摄像头自动扫描采集PCB图像。

由于受外界环境和采集设备等因素影响，所采集的PCB图像难免会出现噪声与模糊现象[2]，会给图像观测、特征提取和分析带来干扰。

在对PCB图像进行边缘检测、分割、特征提取与识别前，必须先对图像进行去噪、以提高PCB检测的有效性。

1992年，Rudin、Osher和Fatemi[3]首次提出全变分（Total Variation，TV）去噪算法，该算法在图像去噪领域得到了广泛的关注。

SAR 图像去噪的分数阶多尺度变分PDE 模型及自适应算法

2009-06-19 收到，2010-03-09 改回国家 863 计划项目(2007AA12E142)和高等学校博士学科点专项科研基金(200802880018)资助课题通信作者：张军 phil_zj@
在灰度变化不大的区域容易产生“阶梯效应”。针对SAR图像去噪中的纹理保持及 “阶梯效应” 抑制，本文利用分数阶导数和负指数Sobolev空间建模，提出一种新的分数阶多尺度SAR图像去噪变分 PDE模型，并利用图像局部方差等统计特征以及小波分解后的小波系数与函数正则性之间的关系给出了模型参数自适应选择方法，在此基础上提出了自适应去噪算法。理论分析和实验表明，这种新的方法可以在图像的非纹理区域有效去除噪声及抑制 “阶梯效应” ，在图像的边缘、纹理区域可以较好地保持图像的边缘和纹理。
Fractional-Order Multi-scale Variation PDE Model and Adaptive Algorithm for SAR Image Denoising
Zhang Jun
① ② ①
Wei Zhi-hui
②
(School of Science, Nanjing University of Science and Technology, Nanjing 210094, China)
j =0 L
(2) 其中 | D αu |= (Dxαu )2 + (Dyαu )2 ，Dxαu 和 Dyαu 分别为 u 关于 x 和 y 的 α 阶偏导数。特别地，当 α = 1 时，式(2)就是 AA 模型。利用变分法，可得到式(2)的 Euler-Lagrange 方程为 f −u u ⋅ H α (u ) − λ ⋅ =0 (3) u α α 其中 H α (u ) = (−1)α [Dxα (Dxαu / | D αu |) + Dy (Dx u/ α α α [5] | D u |)] ， D 为分数阶导数算子 D 的共轭算子。已有研究表明负指数 Sobolev 空间有利于对图像纹理的建模[6]。在式(3)中， (f − u )/ u 实际包含了图像的噪声及纹理，由于纹理是具有多尺度的，因此本文考虑用不同的负指数 Sobolev 空间对纹理的不同尺度部分进行建模。首先利用正交小波分解与重构，得到 λ(f − u )/ u 在不同尺度下的子图像 [λ( f − u )/ u ]j ， j = 0,1,2, ", L ，然后用负指数 Sobolev 空 −s 间 H j 对各尺度子图像进行建模。根据 Sobolev 空间的多尺度分析[7]，可将式(3)改进为下面的分数阶多尺度变分 PDE 模型： L −2 js ⎡ λ( f − u ) ⎤ ⎥ =0 u ⋅ H α (u ) − ∑ 2 j ⎢ (4) u ⎣⎢ ⎦⎥ j j =0 其中 0 ≤ s j ≤ 1 , j = 0,1, 2, ", L 为各尺度对应的负指 −s 数 Sobolev 空间 H j 的空间参数。引入时间变量，设初值为 u(x , y; 0) = f (x , y ) ，利用梯度下降法将式(4)的求解转化为求解下面的偏微分方程： L f −u⎞ ∂u −2 js ⎛ ⎟ = −u ⋅ H α (u ) + ∑ 2 j ⎜ λ⋅ (5) ⎟ ⎜ ⎟ ⎝ u ⎠ ∂t j j =0

全变分自适应图像去噪模型

全变分自适应图像去噪模型张红英;彭启琮【摘要】通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型) 的优缺点,提出了一种基于全变分的自适应图像去噪模型.该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x, y),使接近边缘处平滑较弱,远离边缘处平滑较强.数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右.【期刊名称】《光电工程》【年(卷),期】2006(033)003【总页数】4页(P50-53)【关键词】图像去噪;图像复原;全变分模型;自适应去噪【作者】张红英;彭启琮【作者单位】电子科技大学,通信与信息工程学院,四川,成都,610054;电子科技大学,通信与信息工程学院,四川,成都,610054【正文语种】中文【中图分类】工业技术第 3 3 卷第 3 期光电工程V 01.3 3 , N o.32 0 0 6 年 3 月 Op t o - El e ctr o nic E n gi n e e ri n g Ma r c h , 2 0 0 6 =j 口 I j = = = % l _ = E = # t= = = =日；= = { = z % _ = _ = = = ≈ ‘ E = = = = l l _ _ E = = ≈ E 。

= = = { 日 j E ； { = j j = = = = = = ； = 一 E= t = 目 = E ； = % ；口 I = = = 日 _ d 一文童编号： 1 0 0 3- 5 0 1 X (2 0 0 6)0 3 - 0 0 5 0 - 0 4全变分自适应图像去噪模型张红英，彭启琮（电子科技大学通信与信息工程学院，四川成都 6 1 0 0 5 4 ）摘要：通过分析三种主要变分去噪模型（调和、全变分以及广义全变分模型）的优缺点，提出了一种基于全变分的自适应图像去噪模型。

图像去噪的改进自适应全变差正则化模型

中图分类号：Ｐ９Ｔ３１ＤＩ１．９３ｊｉｎ１０Ｏ：０３６／．ｓ．０７—１４２１．２Ｏ８ｓ４Ｘ．０１０．０
图像去噪是图像处理领域中一个重要的分支，它是图像分割、特征提取与目标识别等图像处
１自适应全控制ＡＶ模型的图像去噪Ｔ过程，并对其梯度下降流方程进行了改进，提高了模型在图像去噪中的稳定性。
１
ｇ
，１、ｊ
式中，＞）Ｇ（０为高斯滤波器。
用高斯滤波器对图像进行预处理，目的是其
使其在平滑区产生阶梯效应＿。虽然基于范】Ｊ数的调和模型能有效地去除噪声，图像的边缘但
易模糊ＪＯＧ等在Ｔ模型与调和模型的基。ＳＮＶ础上提出了Ｌ（ ≤ｐ）ｐ１ ≤２范数空问下的广义Ｔｖ模
摘
要：对经典全变差Ｗ￣化模型在去噪时图像边缘易模糊的不足，全变差正则化模型与调和去噪模型针，Ｊｌ在
的基础上构建了一种改进的自适应全变差正则化模型，并利用旋转不变性更好的梯度模值确定其自适应参数，降低该自适应正则化模型对噪声的敏感性，以兼顾图像的平滑去噪与边缘保留。数值实验结果表明，与ＭＲＵＮＡＱＩＡ的改进全变差正则化模型相比，自适应全变差正则化模型的复原图像在视觉效果和峰值信噪比上都有显著提高。关键词：全变差正则化；图像去噪；自适应；峰值信噪比

改进的自适应广义整体变分图像降噪模型

改进的自适应广义整体变分图像降噪模型
高雷阜;李超
【期刊名称】《计算机应用》
【年(卷),期】2016(036)006
【摘要】针对自适应广义整体变分(AGTV)图像降噪模型对图像边缘信息定位精度不高及提取不足的问题,为提高图像降噪效果和峰值信噪比,提出了改进的AGTV (IAGTV)图像降噪模型.一方面,该算法换用精度更高的梯度计算方法,相对于AGTV 更精确地定位图像边缘;另一方面,为优化图像预处理的滤波过程,用高斯-拉普拉斯联合变换替代高斯平滑滤波,更有利于检测图像边缘信息,在实现降噪的同时防止边缘信息弱化.数值仿真实验得出,IAGTV模型的复原图像峰值信噪比相对于固定p值的GTV模型提高了大约1.0dB,比AGTV模型提高了至少0.2dB.实验结果表明IAGTV具有良好的图像降噪能力.
【总页数】6页(P1699-1703,1750)
【作者】高雷阜;李超
【作者单位】辽宁工程技术大学理学院,辽宁阜新 123000;辽宁工程技术大学理学院,辽宁阜新 123000
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于广义变分模型的自适应图像去噪算法 [J], 王益艳
2.PDE变分模型的自动图像降噪和复原 [J], 江凤莲
3.一种改进的全变分自适应图像去噪模型 [J], 侯榆青;张欢;史晶;张玲艳
4.倾斜影像整体变分模型阴影检测算法改进 [J], 闫利;莫楠;费亮;朱睿希
5.改进的二阶总广义变分图像前后景分割模型 [J], 孔晓然;朱华平
因版权原因，仅展示原文概要，查看原文内容请购买。

基于滤波器的局部自适应全变分图像去噪模型

基于滤波器的局部自适应全变分图像去噪模型史宝丽;何泊;王治国;庞志峰【摘要】综合利用冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理,然后基于边缘检测函数建立反映图像局部特征的自适应权函数,构建能同时兼顾图像平滑去噪与边缘保留的局部自适应性的全变分模型,并建议用本原对偶算法快速求解.实验结果表明,同传统的全变分图像去噪模型相比,该局部自适应全变分模型在消除噪声的同时能很好地保持图像的边缘轮廓和纹理等细节特征,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高.【期刊名称】《计算机工程与应用》【年(卷),期】2016(052)004【总页数】5页(P158-162)【关键词】图像去噪;自适应权函数;全变分模型;本原对偶算法【作者】史宝丽;何泊;王治国;庞志峰【作者单位】河南大学数学与信息科学学院,河南开封475004;河南大学数学与信息科学学院,河南开封475004;河南大学数学与信息科学学院,河南开封475004;河南大学数学与信息科学学院,河南开封475004【正文语种】中文【中图分类】TP391.4SHI Baoli,HE Bo,WANG Zhiguo,et al.Computer Engineering and Applications,2016,52（4）：158-162.在数字图像处理中，图像获取或传输的过程通常受到噪声的干扰，这会导致图像的后期处理（如：分割、特征提取和目标识别等）非常困难，因此有效地去除图像中的噪声是该领域内的一个重要研究课题。

然而，由于先验信息的缺乏，图像的去噪问题经常是不适定的病态问题，因此基于变分PDE的图像去噪模型在最近几十年得到了广泛的关注。

基于能量泛函的正则化模型是缓解病态问题的经典方法之一，该模型通常由正则项和拟合项两部分组成，其中最经典是由Rudin等人[1]提出的全变分模型（ROF模型）：其中Ω为图像空间，f为噪声图像，u为待复原的图像，λ＞0为正则化参数，表示L2范数。

基于改进的自适应全变差模型的图像去噪算法

ｄｎｏｓｎｇｍｏｅａｒｓｎｔｄｉｈｉｐｒＴｈｏｌａｕｏｍａｉａｌｅｅｔｈｅｉｉｇｆｍｏｌａｈｄｅｏｅｉｉｄｌｓｐｅｅｅｎｔｓｐａｅ．ｅｍｄｅｎａｔｗｃｔｃｌｙｓｌｃｅｄｎｏｓＶｄｅｒｔｅｅｇｓｔｔｎｎｅｋｃｄｇｅｔｒａｅｅｔａｓｏｈｏｅｗａｒｍｅｅｅ，ｍｅｎｈｌｋｎｏｎｔａｎｔｏｔｅｐｉｐｒａｄｆｃｃｐｅｅｂｔ，ｎｄｓｌｃｍｏｔｍｄｌａｙｆｏｔｄｇｓｅｈａｗｉｅｍａｉｇｃｓｒｉｓｔｏｎｔｅｕｎ。ｈｓ
．
Ａｂｔｃ：ＯｎａｃｕｆｔｅｄｆｃｅｉｓｏｓｒａｔｃｏｎｔｏｅｉｎｃｅｆＨｍｏｅｎｅＴＶｏｌｉｍａｅｌｓｏａｉｎ，ａ１ｒｘｅｄｐｋｅＴＶｈｉｄｌａｄｔｈｍｄｅｎｉｇｅｔｒｔｏ。ｎｉｐｏｄａａｔ１１
（ｈｏｌｏＳｃｏｆＯｐｔａｎｄＥｌｃｒｎｃＥｎｇｎｅｉｇ・ａｇｈｉｌｃａｅｔｏｉｉ￣－ｎＣｈｎｃｕｎＵｎｉｅｓｔｏｖｒｉｙｆＳｃｅｃｎ＇ｃｎｏｉｎｅａｄｌｈｏｌｇｙ・ａｃｎ１０２）ｅＣｈｎｇｈｕ３０２
图像恢复又称图像复Ｊ泉，是指去除或减轻在狭取图像过程中发生图像降质。引起图像质量下降的ｌ素是多方面的，例如：光学系统固有缺陷（大Ｉ色散、像著等）、成像环境（大气湍流的影响）、传感器带来的随机噪声等。像降质模型 ‘‘ 般表达武为：

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｔｅｏｓｓｓｏｈｎｎｄｅｒｓｒｉｇａａｔｅｙｗｅｎｎｉｍｏｔｉｇａｄｅｇｓｐｅｅｖｎｄｐｉｌ．Ｆｒｈｒｒ，ｉｈｒ — ｅｖｕｔｅｍｏｅｔｒｐｓｄａｆｓｔａｉｌｏｔｍｏｓｌｅｔｅｐｏｅｖｉｐｓｄａａｔｅｍｏｅａｅｎＢｅｍａｔｒｔｎｒｇｌｒａｉｎｍｅｈｄｈｅｎｍｅｉａｅｕｔｓｏｈｔｈｒｐｓｄｍｏｅｏｅｄｐｉｄｌｓｄｏｒｇｎｉａｉｅｕａｉｔｔｏ．Ｔｕｒｃｌｒｓｌｈｗｔａｅｐｏｏｅｄｌｖｂｅｏｚｏｓｔａｄｆｓｌｏｔｍｃｎｓｏｈｔｅｎｉｅｎｒｓｒｅｔｅｅｇｎｎｅａｌｉｆｒｔｎｐｏｅｌｔａｔｓｌｉｇｃｎｅ — ｎａｔｇｒｈａｍｏｔｈｏｓｓａｄｐｅｅｖｈｄｅａｄｆｅｄｔｉｎｏｍａｉｒｐｒｗｉｆｓｏｖｎｏｖｒａｉｉｏｙｈ
中图分类号：Ｔ３１Ｐ９文献标志码：Ａ文章编号：１０－６５２１）２４９ —４０１３９（０１１ —７７０
ｄｉ１．９９ｊｉｎ１０ —６５２１．２１７ｏ：０３６／．ｓ．０１３９．０１１．０ｓ
刘
摘
文吴传生许，，
田
（．１武汉理工大学理学院数学系，武汉４０７；．武汉大学电子信息学院通信工程系，３００２武汉４０７）３０２要：在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上，利用边缘检测算子选
取自适应参数，构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型，并基于Ｂｅｍｎ迭代正则化方ｒａｇ
Ａｂｔａｔｈｓｐｐｒｃｍｂｎｄｓｏｋｆｔｒｗｉｎｓｔｐｃｄｆｓｏｏｐｅｒｃｓｈｏｓｍａｅ，ａｄｕｅｈｄｅｄ — ｓｒｃ：Ｔｉａｅｏｉｅｈｃｉｅｔａｉｏｒｉｉｕｉｎｔｒｐｏｅｓｔｅｎｉｉｇｓｎｓｄｔｅｅｇｅｌｈｏｆｙｔｃｉｎｆｔｒｏｃｏｓｈａａｔｒｄｐｉｅｙｂｓｄｏｅｐｅｒｃｓｅｇｓｈｎｉｔｏｕｅｎａａｔｅｔｔｌａｉ— ｅｔｉｅｓｔｈｏｅｔｅｐｒｍｅｅｓａａｔｌａｅｎｔｒｐｏｅｓｄｉｅ．Ｔｅｎｒｄｃｄａｄｐｉｏａｒｏｌｖｈｍａｖｖａ
Ａｄｐｉｅｔｔｌｖｒｔｎｍｏｅｏｍａｅｄｎｉｉｇｗｉａｔｓｌｉｇａｇｒｈａｔｏａａｉｉｄｌｆｒｉｇｅｏｓｎｔｆｓｏｖｎｌｏｉｍｖａｏｈｔ
ＬＵＷｅＩｎ，ＷＵＣｕｎｓｅｇｈａ — ｈｎ，ＸＵＴａｉｎ
第２卷第１８２期
２１０１年ｌ２月
计算机应用研究
ＡｐｌａｉｎＲｅｅｒｈｏｏｕｅｓｐｉｔｓａｃｆＣｍｐｔｒｃｏ
Ｖｏ８Ｎｏ１Ｌ２．２Ｄｅ．２１ｅ０１
自适应全变分图像去噪模型及其快速求解
（．ｅｔｆＭａｈｍａｉ，ｃｏｌＳｉｃｓｕａｎｖｒｔｏＴｃｎｌｇ，ｈｎ４０７Ｃｉａ；．ｐ．ｏＣｍｎｃｔｎＥｎｉｅｒ１Ｄｐ．ｏｔｅｔｓＳｈｏｃｎｅ，ＷｈｎＵｉｓｙｆｅｈＯｏｙＷｕａ３００，ｈｎ２Ｄｅｔｆｏｍｕｉｉｇｎｅｃｆｏｅｅｉａｏ－ｉｇｃｏｌｆＥｅｔｎｎｏｍｔｎｎ，ＳｈｏｏｌｒｉＩｒａｉ，Ｗｕａｎｖｒｔ，Ｗｕａ３０２ｈｎ）ｃｏｃｆｏｈｎＵｉｓｙｅｉｈｎ４０７，Ｃｉａ
法设计了其快速迭代求解算法。实验结果表明，适应去噪模型及其求解算法在快速去除噪声的同时保留了图自像的边缘轮廓和纹理等细节信息，到的复原图像在客观评价标准和主观视觉效果方面均有所提高。得关键词：图像去噪；变分模型；ｒｍｎ全Ｂｅａ迭代正则化；裂Ｂｅｍｎｇ分ｒａ迭代算法ｇ
ｔｎｒｇｌｒａｉｎｍｏｅｏｇｅｏｓｎａｅｎｔｅｃｏｅａａｔｒ．Ｔｅｐｏｏｅｄｌｏｌｅｐｔｅｂｌｎｅｂ — ｉｅｕａｉｔｄｌｒｉｅｄｎｉｉｇｂｓｄｏｈｈｓｎｐｒｍｅｅｓｈｒｐｓｄｍｏｅｕｄｋｅｈａａｃｅｏｚｏｆｍａｃ