基于图像高频细节的重构问题,建立了全变分(Total Variation,TV)约束重建模型,选取交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解分析。TV-ADMM重建算法能够保持图像边缘信息,纹理细节的刻画却不够理想,图像...基于图像高频细节的重构问题,建立了全变分(Total Variation,TV)约束重建模型,选取交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解分析。TV-ADMM重建算法能够保持图像边缘信息,纹理细节的刻画却不够理想,图像平滑部分的重建出现阶梯效应和过平滑现象。为此,提出使用分数阶约束的模型算法FOTV-ADMM求解。该算法对图像纹理高频细节重建效果较好,能锐化图像边缘区域,同时为降低经验调节参数对图像重建的影响,减少调节参数的时间,引入L曲线调节参数,找出了正则化参数最优解。实验结果表明,基于L曲线调参的FOTV-ADMM算法能够更好地保留图像的纹理和平滑部分的细节特征,在峰值信噪比和结构相似度评价指标上,FOTV对高频细节的重建改善效果更佳。展开更多
整体变分正则化模型在去噪时能较好地保边,但是常常不能很好地保持纹理细节,且去噪后图像在平坦区域会出现阶梯效应。为此,文中提出了一种新的分数阶整体变分(Fractional-Order Total Variation,FOTV)泊松去噪模型,并提出了增广拉格朗...整体变分正则化模型在去噪时能较好地保边,但是常常不能很好地保持纹理细节,且去噪后图像在平坦区域会出现阶梯效应。为此,文中提出了一种新的分数阶整体变分(Fractional-Order Total Variation,FOTV)泊松去噪模型,并提出了增广拉格朗日方法求解。通过与求解整体变分泊松去噪模型的快速算法比较,数值实验表明,所提出的模型进行泊松去噪时视觉效果较好,且去噪图像具有较高峰值信噪比。展开更多
文摘基于图像高频细节的重构问题,建立了全变分(Total Variation,TV)约束重建模型,选取交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解分析。TV-ADMM重建算法能够保持图像边缘信息,纹理细节的刻画却不够理想,图像平滑部分的重建出现阶梯效应和过平滑现象。为此,提出使用分数阶约束的模型算法FOTV-ADMM求解。该算法对图像纹理高频细节重建效果较好,能锐化图像边缘区域,同时为降低经验调节参数对图像重建的影响,减少调节参数的时间,引入L曲线调节参数,找出了正则化参数最优解。实验结果表明,基于L曲线调参的FOTV-ADMM算法能够更好地保留图像的纹理和平滑部分的细节特征,在峰值信噪比和结构相似度评价指标上,FOTV对高频细节的重建改善效果更佳。
文摘整体变分正则化模型在去噪时能较好地保边,但是常常不能很好地保持纹理细节,且去噪后图像在平坦区域会出现阶梯效应。为此,文中提出了一种新的分数阶整体变分(Fractional-Order Total Variation,FOTV)泊松去噪模型,并提出了增广拉格朗日方法求解。通过与求解整体变分泊松去噪模型的快速算法比较,数值实验表明,所提出的模型进行泊松去噪时视觉效果较好,且去噪图像具有较高峰值信噪比。
