×
奥利维拉（Joáo P.Oliveira）。；JoséM.Bioucas-Dias。；迈里奥·A.T.菲格雷多。

自适应全变分图像去模糊：一种优化最小化方法。 （英语） Zbl 1178.94029号

信号处理。 89，第9期，1683-1693（2009）.
摘要：本文提出了一种新的基于全变分（TV）正则化的图像反褶积（去模糊）方法，该方法具有自适应性，不需要用户指定正则化参数的值。我们采用贝叶斯方法积分出该参数，这是通过使用TV正则化器的贝叶斯先验解释的配分函数的近似值实现的。然后，使用优化-最小化算法来解决由此产生的优化问题。虽然得到的算法是迭代加权最小二乘（IRLS）类型，因此存在臭名昭著的“奇异性问题”，但我们表明，只要使用足够的初始化，这个问题实际上是没有问题的。最后，我们报告的实验结果表明，该方法达到了最先进的性能，与基于TV的方法（具有手动调整的正则化参数）以及最佳的基于小波的方法相当。

引用于49文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

图像去模糊；总变化量；适应的；正则化参数

软件：

回收PF；向前地；DT-CWT公司
PDF格式BibTeX公司 XML格式引用
\textit{J.P.Oliveira}等人，《信号处理》。89，第9号，1683--1693（2009；Zbl 1178.94029）
全文： 内政部

参考文献：

[1] 贝特罗，M。；Boccacci，P.：成像逆问题导论（1998）·Zbl 0914.65060号
[2] T.Chan，J.Shen，《图像处理与分析——变分、偏微分方程、小波和随机方法》，宾夕法尼亚州费城SIAM，2005年·Zbl 1095.68127号
[3] 阿彻，G。；Titterington，D.：关于图像恢复的一些贝叶斯/正则化方法，IEEE图像处理事务4，第7期，989-995（1995）
[4] S.Geman，C.Graffigne，马尔可夫随机场图像模型及其在计算机视觉中的应用，收录于：《国际数学家大会论文集》，1987年，第1496-1517页·Zbl 0665.68067号
[5] 切拉帕，R。；Jain，A.：马尔可夫随机场：理论与应用，（1993）
[6] Jeng，F.等人。；Woods，J.：用于图像估计的复合高斯-马尔可夫随机场，IEEE信号处理事务39，683-697（1991年3月）
[7] Li，S.Z:计算机视觉中的马尔可夫随机场建模，（1995）
[8] Donoho，D.：用小波-凝聚分解法求解线性反问题的非线性解，《应用与计算调和分析杂志》1100-115（1995）·Zbl 0826.65117号
[9] 巴纳姆，M。；Katsaggelos，A.：基于空间自适应小波的多尺度图像恢复，IEEE图像处理事务5619-634（1996）
[10] A.Jalobeanu，N.Kingsbury，J.Zerubia，《使用复杂小波包的隐马尔可夫树建模进行图像反褶积》，收录于：IEEE国际图像处理会议-ICIP’01，2001年。
[11] Figueiredo，M。；Nowak，R.：基于小波的图像恢复的EM算法，IEEE图像处理事务12，第8期，906-916（2003）·Zbl 1279.94015号
[12] Bioucas-Dias，J.：基于贝叶斯小波的图像反褶积：利用一类重尾先验的GEM算法，IEEE图像处理事务15，第4期，937-951（2006）
[13] M.Figueiredo，R.Nowak，基于小波的图像反褶积的边界优化方法，收录于：IEEE国际图像处理会议-ICIP’2005，意大利热那亚，2005。
[14] P.de Rivaz，N.Kingsbury，《贝叶斯图像反褶积和使用复小波去噪》，载《2001年图像处理国际会议论文集》，2001年第2卷，第273-276页。
[15] L.Rudin，S.Osher，E.Fatemi，基于非线性总变差的噪声去除算法，Physica D（1992）259-268·Zbl 0780.49028号 ·doi:10.1016/0167-2789（92）90242-F
[16] J.Bioucas-Dias，M.Figueiredo，J.P.Oliveira，《基于全变量的图像反褶积：优化-最小化方法》，收录于：IEEE声学、语音和信号处理国际会议论文集，第二卷，2006年，第861-864页。
[17] Chan，T。；Esedoglu，S。；帕克，F。；Yip，A.：全变分图像恢复的最新发展，《计算机视觉数学模型手册》（2005）
[18] Chan，T。；Wong，C.：全变分盲反褶积，IEEE图像处理事务7365-370（1998）
[19] Chambolle，A.：总变差最小化算法及其应用，《数学成像与视觉杂志》20，89-97（2004）·Zbl 1366.94048号
[20] A.Chambolle，总变差最小化和一类二元MRF模型，摘自：第五届计算机视觉和模式识别中能量最小化方法国际研讨会，Springer计算机科学讲稿，第3757卷，Springr，柏林，2005年，第136-152页。
[21] Darbon，J。；Sigelle，M.：《离散约束全变差图像恢复（第一部分）：快速精确优化》，《数学成像与视觉杂志》26，261-276（2006）
[22] M.Figueiredo，J.Bioucas-Dias，J.P.Oliveira，R.Nowak，《全变分去噪：一种新的优化-最小化算法以及与wavalet去噪的实验比较》，收录于：IEEE图像处理国际会议-ICIP’2006年，2006年。
[23] 沃格尔，C。；Oman，M.：总变差去噪的迭代方法，SIAM科学计算杂志17，227-238（1996）·Zbl 0847.65083号 ·doi:10.1137/0917016
[24] Wang，Y。；杨，J。；尹，W。；Zhang，Y.：全变分图像重建的一种新的交替最小化算法，SIAM成像科学杂志1，248-272（2008）·Zbl 1187.68665号 ·doi:10.1137/080724265
[25] 亨特，D。；Lange，K.：MM算法教程，美国统计学家58，30-37（2004）
[26] Dempster，A。；莱尔德，N。；Rubin，D.：《通过EM算法从不完整数据中获取最大似然》，《皇家统计学会杂志》（B）39，1-38（1977）·Zbl 0364.62022号
[27] Huber，P.：稳健统计（1981）·Zbl 0536.62025号
[28] J.Bioucas-Dias，M.Figueiredo，J.P.Oliveira，自适应贝叶斯/全变分图像反褶积：优化-最小化方法，收录于：欧洲信号处理会议-EUSIPCO’2006年，2006年·Zbl 1178.94029号
[29] Wu，C.：关于EM算法的收敛性，统计年鉴11，95-103（1983）·Zbl 0517.62035号
[30] Nocedal，J。；Wright，S.：数值优化，（1999）·Zbl 0930.65067号
[31] Figueiredo，M。；Bioucas-Dias，J。；Nowak，R.：基于小波的图像恢复的优化-最小化算法，IEEE图像处理事务12，2980-1991（2007）
[32] Vogel，C.：反问题的计算方法，（2002）·兹比尔1008.65103
[33] 加拉察诺斯，北。；Katsaggelos，A.：图像恢复中选择正则化参数和估计噪声方差的方法及其关系，IEEE图像处理事务1322-336（1992）
[34] N.Galatsanos，V.Mesarovic，R.Molina，J.Mateos，A.Katsaggelos，《利用伽马超图像复原部分已知模糊图像的超参数估计》，《光学工程》41（2002）1845-1854。
[35] 莫利纳，R。；Katsaggelos，A。；Mateos，J.：图像恢复中超参数估计的贝叶斯和正则化方法，IEEE图像处理事务8，第2期，231-246（1999）·Zbl 1098.94509号 ·doi:10.1109/83.743857
[36] Mohammad-Djafari，A.：反问题的完全贝叶斯方法、最大熵和贝叶斯法（1996）·Zbl 0886.62031号
[37] 邓，G.：线性高斯观测模型的迭代学习算法，IEEE信号处理事务52，2286-2297（2004）·Zbl 1369.68279号
[38] Bernardo，J。；Smith，A.：贝叶斯理论（1994）·Zbl 0796.6202号
[39] Besag，J.：《关于肮脏图片的统计分析》，《皇家统计学会杂志》B 48，259-302（1986）·Zbl 0609.62150号
[40] Jain，A.K.：数字图像处理基础（1989）·Zbl 0744.68134号
[41] M.Mignotte，基于自适应分段的图像恢复正则化术语，收录于：IEEE图像处理国际会议，2005年。
[42] 尼拉马尼，R。；Choi，H。；Baraniuk，R.：转发：病态系统的Fourier-wavelet正则反褶积，IEEE信号处理事务52，第2期，418-433（2004）·Zbl 1369.94238号
[43] Y.Lin，B.Wohlberg，UPRE方法在大规模正则化问题最优参数选择中的应用，载于：IEEE西南图像分析与解释研讨会，2008年，第89-92页。
[44] H.Liao，F.Li，M.Ng，全变差图像恢复的广义交叉验证，技术报告08-11，香港浸会大学计算数学研究所，2008。可在以下网址获取；http://www.math.hkbu.edu.hk/IMC/pdf/08-11.pdf\范围；。
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。