矢量图像噪声去除的变分模型必须考虑不同通道图像间的耦合以保持图像边缘,但所得到的模型复杂、计算效率低,且不同耦合方法对应的模型的边缘保持质量不同。本文首先设计了目前已经提出的这类变分模型的快速Split Bregman算法,然后通过...矢量图像噪声去除的变分模型必须考虑不同通道图像间的耦合以保持图像边缘,但所得到的模型复杂、计算效率低,且不同耦合方法对应的模型的边缘保持质量不同。本文首先设计了目前已经提出的这类变分模型的快速Split Bregman算法,然后通过大量数值实验对不同模型的边缘保持特性和计算效率进行了比较。所研究的模型分别使用LTV(layered total variation)规则项、MTV(multichannel total variation)规则项、CTV(color total variation)规则项、PA(polyakov action)规则项和RPA(reduced polyakov action)规则项。实验结果表明CTV模型对矢量图像去噪边缘保持最好,其他依次是PA模型、MTV模型、RPA模型和LTV模型;LTV模型计算效率最高,其他依次是MTV模型、RPA模型、CTV模型和PA模型。展开更多
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...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。展开更多
文摘矢量图像噪声去除的变分模型必须考虑不同通道图像间的耦合以保持图像边缘,但所得到的模型复杂、计算效率低,且不同耦合方法对应的模型的边缘保持质量不同。本文首先设计了目前已经提出的这类变分模型的快速Split Bregman算法,然后通过大量数值实验对不同模型的边缘保持特性和计算效率进行了比较。所研究的模型分别使用LTV(layered total variation)规则项、MTV(multichannel total variation)规则项、CTV(color total variation)规则项、PA(polyakov action)规则项和RPA(reduced polyakov action)规则项。实验结果表明CTV模型对矢量图像去噪边缘保持最好,其他依次是PA模型、MTV模型、RPA模型和LTV模型;LTV模型计算效率最高,其他依次是MTV模型、RPA模型、CTV模型和PA模型。
文摘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。
