琼森（Jon，Kyongson）;刘军;王晓飞;朱文生;邢、余 加权超拉普拉斯先验与重叠组稀疏用于柯西噪声下的图像恢复。 （英语） Zbl 1466.62360号 科学杂志。计算。 87，第3期，第64号论文，32页（2021年）. 摘要：本文研究了最大后验框架下的柯西图像复原问题。我们提出了一种新的图像先验加权超拉普拉斯先验算法，该算法在图像梯度上具有重叠组稀疏性。这一先验允许我们同时提高自然图像梯度的结构和像素级稀疏性。通过引入组内权重来平衡每个组内组件的不同规模，可以进一步提高性能。为了解决相应的优化问题，我们提出了一种新的二次优化算法。我们采用乘数的非凸交替方向方法作为主要的算法框架。所提出的正则化子可以归结为相关的变分正则化子，包括总变分、超拉普拉斯和具有重叠群稀疏性的总变分。与现有基于梯度的正则化器的对比实验证明了该方法在PSNR和SSIM值方面的有效性。 引用于1文件 MSC公司： 62华氏35 多元分析中的图像分析 65D18天 计算机图形、图像分析和计算几何的数值方面 关键词：图像复原;柯西噪声;超拉普拉斯;乘法器的交替方向法;重叠群稀疏性;多数化最小化 PDF格式BibTeX公司 XML格式引用 \textit{K.Jon}等人，《科学杂志》。计算。87，第3号，第64号论文，32页（2021年；Zbl 1466.62360） 全文： 内政部 参考文献： [1] Al-Aboosi，YY；本·沙阿梅里，亚利桑那州；Khamis，NHH，热带浅水区水声噪声信号检测方法的比较，ARPN J.Eng.Appl。科学。，11, 5, 3086-3094 (2016) [2] 安东尼亚迪斯，A。；Leporini，D。；Pesquet，JC，一些非高斯噪声的小波阈值，Stat.Neerlandica，56，4，434-453（2002）·Zbl 1090.62522号 ·doi:10.1111/1467-9574.00211 [3] Arikan，O.，Belge，M.，Cetin，A.E.，Erzin，E.：非高斯稳定过程的自适应滤波方法。1995年声学、语音和信号处理国际会议，第2卷，IEEE，第1400-1403页（1995） [4] Attouch，H。；博尔特，J。；Svaiter，BF，半代数和温和问题的下降收敛方法：近似算法、前向-后向分裂和正则化高斯-塞德尔方法，数学。程序。，137, 1-2, 91-129 (2013) ·Zbl 1260.49048号 ·doi:10.1007/s10107-011-0484-9 [5] Banerjee，S.，Agrawal，M.：存在重尾脉冲噪声的双参数Cauchy-Gaussian混合模型水声通信。In:2013 Ocean Electronics（SYMPOL），IEEE，第1-7页（2013） [6] 博尔特，J。；萨巴赫，S。；Teboulle，M.，非凸和非光滑问题的近似交替线性化最小化，数学。程序。，146, 1-2, 459-494 (2014) ·Zbl 1297.90125号 ·doi:10.1007/s10107-013-0701-9 [7] 博伊德，S。；Vandenberghe，L.，凸优化（2004），剑桥：剑桥大学出版社，剑桥·Zbl 1058.90049号 ·doi:10.1017/CBO9780511804441 [8] 卡里略，RE；阿伊萨尔，TC；Barner，KE，《需要稳健行为的问题的广义柯西分布框架》，EURASIP J.Adv.Signal Process。，2010, 1, 312989 (2010) ·doi:10.1155/2010/312989 [9] Chan，RH；董，Y。；Hintermuller，M.，《利用脉冲噪声恢复模糊图像的有效两阶段方法》，IEEE Trans。图像处理。，19, 7, 1731-1739 (2010) ·Zbl 1371.94074号 ·doi:10.1109/TIP.2010.2045148 [10] Chan，RH；陶，M。；Yuan，X.，基于交替方向乘法器法的约束全变差去模糊模型和快速算法，SIAM J.Imaging Sci。，6, 1, 680-697 (2013) ·兹比尔1279.68322 ·数字对象标识代码：10.1137/10860185 [11] Chan，T。；Marquina，A。；Mulet，P.，基于高阶全变分的图像恢复，SIAM J.Sci。计算。，22, 2, 503-516 (2000) ·Zbl 0968.68175号 ·doi:10.1137/S1064827598344169 [12] Chang，YC；SR卡达巴；Doerschuk，PC公司；Gelfand，SB，利用柯西分布噪声驱动的递归马尔可夫随机场模型进行图像恢复，IEEE信号处理。莱特。，8, 3, 65-66 (2001) ·doi:10.1109/97.905941 [13] Cheng，J。；高，Y。；郭，B。；Zuo，W.，使用空间变异超拉普拉斯先验进行图像恢复，SIViP，13，1，155-162（2019）·doi:10.1007/s11760-018-1340-7 [14] 郑，MH；黄，TZ；赵，XL；马，TH；Huang，J.，Retinex的具有混合超拉普拉斯先验的变分模型，应用。数学。型号。，66, 305-321 (2019) ·Zbl 1481.92033号 ·doi:10.1016/j.apm.2018.09.022 [15] 马萨诸塞州奇特尔；波特，JR；Ong，SH，捕捉虾为主的环境噪声中的最佳和近最佳信号检测，IEEE J.Oceanic Eng.，31，2，497-503（2006）·doi:10.1109/JOE.2006.875272 [16] 川，H。；常华，H。；张，W。；Biao，S.，带自动参数估计的Box约束全变分图像恢复，自动化学报，40，8，1804-1811（2014）·doi:10.1016/S1874-1029（14）60019-7 [17] 邓，LJ；冯，M。；Tai，XC，《通过基于张量的稀疏建模和超拉普拉斯先验融合全色和多光谱遥感图像》，Inf.fusion，52，76-89（2019）·doi:10.1016/j.inffus.2018年11月14日 [18] 丁，M。；Huang，坦桑尼亚联合共和国；马，TH；赵，XL；Yang，JH，Cauchy，基于分组的低阶先验去噪，Appl。数学。计算。，372, 124971 (2020) ·Zbl 1433.94011号 ·doi:10.1016/j.amc.2019.124971 [19] 丁，M。；黄，TZ；王，S。；梅，JJ；Zhao，XL，Cauchy噪声下去模糊图像的重叠组稀疏性总变化，应用。数学。计算。，341, 128-147 (2019) ·Zbl 1428.94021号 ·doi:10.1016/j.amc.2018.08.014 [20] Dong，Y。；Xu，S.，用于去除随机值脉冲噪声的新型方向加权中值滤波器，IEEE信号处理。莱特。，14, 3, 193-196 (2007) ·doi:10.1109/LSP.2006.884014 [21] El Ghannudi，H。；Clavier，L。；阿扎维，N。；Septier，F。；Rolland，PA，（α）-稳定干扰建模和IR-UWB自组网的Cauchy接收机，IEEE Trans。社区。，58, 6, 1748-1757 (2010) ·doi:10.1109/TCOMM.2010.06.090074 [22] 弗格斯，R。；辛格，B。；Hertzmann，A。；Roweis，ST；弗里曼，WT，从一张照片中消除相机抖动，ACM Trans。图表。，25, 3, 787-794 (2006) ·Zbl 1371.94125号 ·数字对象标识代码：10.1145/1141911.1141956 [23] 马萨诸塞州菲格雷多；Bioucas-Dias，JM；Nowak，RD，基于小波的图像恢复优化最小算法，IEEE Trans。图像处理。，16, 12, 2980-2991 (2007) ·doi:10.1109/TIP.2007.909318 [24] Gu，S.，Zhang，L.，Zuo，W.，Feng，X.：加权核范数最小化及其在图像去噪中的应用。在：IEEE计算机视觉和模式识别会议，第2862-2869页（2014） [25] Gurugopinath，S.、Muralishankar，R.、Shankar，H.：通过差分熵在柯西噪声存在下的光谱传感。2016年IEEE分布式计算，VLSI，电路和机器人（DISCOVER），IEEE，第201-204页（2016年） [26] Hansen，P.C.，Nagy，J.G.，O'leary，D.P.：去模糊图像：矩阵、光谱和滤波，第3卷。SIAM（2006）·Zbl 1112.68127号 [27] Hasannasab，M.、Hertrich，J.、Laus，F.、Steidl，G.：学生t分布的位置、散布矩阵和自由度ML估计的EM算法的替代方案。In:《数值算法》第1-42页（2020年） [28] 洪，M。；罗，ZQ；Razaviyayn，M.，一类非凸问题的交替方向乘子法的收敛性分析，SIAM J.Optim。，26, 1, 337-364 (2016) ·兹比尔1356.49061 ·数字对象标识代码：10.1137/140990309 [29] Z.洪波。；刘燕，R。；玲玲，K。；徐佳，Q。；Meiyu，Z.，基于超拉普拉斯模型的单图像快速去模糊算法，IET图像处理。，13, 3, 483-490 (2018) ·doi:10.1049/iet-ipr.2018.5890 [30] 亨特博士；Lange，K.，《MM算法教程》，《美国统计》，58，1，30-37（2004）·doi:10.1198/0003130042836 [31] 伊丹，M。；Speyer，JL，线性标量系统的Cauchy估计，IEEE Trans。自动。控制，55，6，1329-1342（2010）·Zbl 1368.93683号 ·doi:10.1109/TAC.2010.2042009 [32] Karayiannis，NB；Venetsanopoulos，AN，图像恢复中的正则化理论——稳定函数方法，IEEE Trans。阿库斯特。语音信号处理。，38, 7, 1155-1179 (1990) ·Zbl 0713.93059号 ·doi:10.1109/29.57544 [33] Kim，G。；Cho，J。；Kang，M.，通过加权核范数最小化去除柯西噪声，科学杂志。计算。，83, 1, 15 (2020) ·兹比尔1455.94025 ·doi:10.1007/s10915-020-01203-2 [34] Kong，J。；卢克。；Jiang，M.，一种新的基于超拉普拉斯先验的盲去模糊方法，Procedia Comput。科学。，107, 789-795 (2017) ·doi:10.1016/j.procs.2017.03.170 [35] Krishnan，D.，Fergus，R.：使用超拉普拉斯先验的快速图像反褶积。摘自：《神经信息处理系统进展》，第1033-1041页（2009年） [36] 库马尔，A。；密苏里州艾哈迈德；Swamy，M.，使用加权重叠群稀疏性的高效去噪框架，Inf.Sci。，454, 292-311 (2018) ·Zbl 1440.94014号 ·doi:10.1016/j.ins.2018.05.001 [37] Kwitt，R.，Meerwald，P.，Uhl，A.：用于DWT域中的加性水印的轻量级Rao-Cauchy检测器。摘自：第十届ACM多媒体与安全研讨会会议记录，第33-42页（2008年）·Zbl 1372.94138号 [38] Laus，F。；Pierre，F。；Steidl，G.，《柯西噪声去除的非局部无数滤波器》，J.Math。成像视觉。，60, 8, 1324-1354 (2018) ·Zbl 1435.94030号 ·doi:10.1007/s10851-018-0816-y [39] Lee，S.，Kang，M.：用于恢复带有Cauchy噪声的模糊图像的组稀疏表示。科学杂志。计算。83(3) (2020) ·Zbl 1457.94019号 [40] 莱文，A。；弗格斯，R。；杜兰德，F。；Freeman，WT，使用带有编码光圈的传统相机拍摄的图像和深度，ACM Trans。组（TOG），26，3，70（2007）·数字对象标识代码：10.1145/1276377.1276464 [41] Levin，A.，Weiss，Y.，Durand，F.，Freeman，W.T.：理解和评估盲反褶积算法。摘自：IEEE计算机视觉和模式识别会议，IEEE，1964-1971页（2009） [42] 李·G。；Pong，TK，非凸组合优化分裂方法的全局收敛性，SIAM J.Optim。，25, 4, 2434-2460 (2015) ·Zbl 1330.90087号 ·doi:10.137/140998135 [43] Lin，T。；马，S。；Zhang，S.，一类凸极小化问题的未修正三块ADMM的全局收敛性，J.Sci。计算。，76, 1, 69-88 (2018) ·Zbl 1415.65140号 ·doi:10.1007/s10915-017-0612-7 [44] 刘杰。；黄，TZ；刘，G。；王，S。；Lv，XG，用于斑点噪声抑制的重叠组稀疏性总变化，神经计算，216502-513（2016）·doi:10.1016/j.neucom.2016.07.049 [45] 刘杰。；黄，TZ；塞莱斯尼克，IW；Lv、XG；Chen，PY，使用重叠组稀疏性的总变异进行图像恢复，Inf.Sci。，295, 232-246 (2015) ·Zbl 1360.94042号 ·doi:10.1016/j.ins.2014.10.041 [46] Liu，J.，Yan，M.，Zeng，T.：表面软件盲图像去模糊。IEEE Trans。模式分析。机器。智力。(2019) [47] Liu，P.，Zhang，H.，Zang，K.，Lin，L.，Zuo，W.：用于图像恢复的多级小波-CNN。收录于：2018 IEEE/CVF计算机视觉和模式识别研讨会（CVPRW），第886-88609页（2018） [48] 梅，JJ；Dong，Y。；黄，TZ；Yin，W.，《用具有收敛保证的非凸ADMM去除Cauchy噪声》，J.Sci。计算。，74, 2, 743-766 (2018) ·Zbl 06858871号 ·文件编号：10.1007/s10915-017-0460-5 [49] Pan，J.，Hu，Z.，Su，Z..，Yang，M.H.：用样本消除面部图像的模糊。摘自：欧洲计算机视觉会议，施普林格，第47-62页（2014年） [50] Parizi，S.N.，He，K.，Aghajani，R.，Sclaroff，S.，Felzenszwalb，P.F.：广义多数最小化。摘自：机器学习国际会议，第5022-5031页（2019年） [51] 彭，Y。；陈，J。；Xu，X。；Pu，F.，基于字母稳定分布混合的SAR图像统计建模和分类，遥感，5，5，2145-2163（2013）·doi:10.3390/rs5052145 [52] Rebegoldi，S.、Bonettini，S.和Prato，M.：盲cauchy去噪的高效块坐标方法。摘自：《数值计算国际会议：理论与算法》，施普林格出版社，第198-211页（2019年）·Zbl 07249928号 [53] Sciacchitano，F。；董，Y。；曾涛，用柯西噪声恢复模糊图像的变分方法，SIAM J.成像科学。，8, 3, 1894-1922 (2015) ·Zbl 1343.94014号 ·数字对象标识代码：10.1137/140997816 [54] Selesnick，I.W.，Chen，P.Y.：重叠组稀疏性的全变差去噪。摘自：IEEE声学、语音和信号处理国际会议，IEEE，第5696-5700页（2013） [55] Shi，M。；Han，T。；Liu，S.，使用具有重叠组稀疏性的超拉普拉斯先验进行全变分图像恢复，Sig。过程。，126, 65-76 (2016) ·doi:10.1016/j.sigpro.2015.11.022 [56] Tsihrintzis，G.，Tsakalides，P.，Nikias，C.：严重重尾雷达杂波中的信号检测。收录于：第二十届亚西洛马信号、系统和计算机会议会议记录，第2卷，IEEE，第865-869页（1995） [57] Wang，Y。；尹，W。；Zeng，J.，非凸非光滑优化中ADMM的全局收敛性，J.Sci。计算。，78, 1, 29-63 (2019) ·Zbl 1462.65072号 ·doi:10.1007/s10915-018-0757-z [58] Wu，T。；李伟（Li，W.）。；贾，S。；Dong，Y。；Zeng，T.，用于恢复带有Cauchy噪声的模糊图像的深度多级小波-CNN去噪器，IEEE信号处理。莱特。，27, 1635-1639 (2020) ·doi:10.1109/LSP.2020.3023299 [59] Xu，X。；潘，J。；张，YJ；Yang，MH，通过深度学习进行运动模糊核估计，IEEE Trans。图像处理。，27, 1, 194-205 (2017) ·Zbl 1409.94692号 ·doi:10.10109/TIP.2017.2753658 [60] Xu，Y。；Yin，W.，正则化多凸优化的块坐标下降法及其在非负张量分解和完成中的应用，SIAM J.成像科学。，6, 3, 1758-1789 (2013) ·Zbl 1280.49042号 ·数字对象标识代码：10.1137/120887795 [61] 杨建华；赵，XL；梅，JJ；王，S。；马，TH；Huang，TZ，用于恢复带有柯西噪声的模糊图像的总变分和高阶总变分自适应模型，Comput。数学。申请。，77, 5, 1255-1272 (2019) ·Zbl 1442.94015号 ·doi:10.1016/j.camwa.2018.11.003 [62] Zimmermann，M。；Dostert，K.，宽带电力线通信中脉冲噪声的分析和建模，IEEE Trans。电动发电机。公司。，44, 1, 249-258 (2002) ·数字对象标识代码：10.1109/15.990732 [63] 左，W.，任，D.，顾，S.，林，L.，张，L.：用于盲反褶积的迭代先验的判别学习。摘自：IEEE计算机视觉和模式识别会议，第3232-3240页（2015） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。