蒋丹丹 脉冲噪声污染图像去模糊的多参数正则化模型。 （英语） Zbl 1418.94014号 电路系统。信号处理。 36，第9号，3702-3730（2017）. 摘要：本文考虑了脉冲噪声下的图像去模糊问题，提出了一种新的基于总变分（TV）和小波框架（WF）的多参数正则化图像去模糊模型，以及该模型的高效求解算法。一方面，众所周知，基于TV正则化的Rudin-Osher-Fatemi模型在保留锐利边缘和对象边界方面非常有效，这些通常是要恢复的最重要特征。另一方面，基于WF的图像恢复方法已被证明在自适应地利用自然图像的规则性方面非常成功。将TV正则化和WF正则化相结合，提出了一种新的多参数正则化模型，用于脉冲噪声背景下的图像去模糊。在数值上，提供了具有自适应方案的乘法器（ADMM）的交替方向方法来选择正则化参数，并将其应用于该多参数正则化模型。此外，ADMM的收敛性分析如“附录”所示。此外，涉及被各种类型的模糊核和不同噪声水平破坏的图像的数值实验表明，所提出的模型和算法在恢复质量方面优于几种最先进的方法，尤其是在保留图像中重要特征的同时减轻楼梯效果的能力。 MSC公司： 94A08型 信息与通信理论中的图像处理（压缩、重建等） 65T60型 小波的数值方法 65K10码 数值优化和变分技术 关键词：电视；小框架；去模糊；脉冲噪声；多参数正则化；ADMM公司 软件：FTVd公司；iPiano公司 PDF格式BibTeX公司 XML格式引用 \textit{D.Jiang}，电路系统。信号处理。36，第9号，3702--3730（2017；Zbl 1418.94014） 全文： 内政部 参考文献： [1] L.Bar，A.Brook，N.Sochen，N.Kiryati，脉冲噪声破坏的彩色图像去模糊。IEEE传输。图像处理。16(4), 1101-1111 (2007). doi:10.1109/TIP.2007.891805·doi:10.1109/TIP.2007.891805 [2] L.Bar，N.Sochen，N.Kiryati，《存在椒盐噪声时的图像去模糊》，载于《计算机视觉中的尺度空间和PDE方法》，《计算机科学讲义》，R.Kimmel，N.Sochen，J.Weickert（编辑），第3459卷（柏林斯普林格出版社，2005年），第107-118页。doi:10.1007/11408031_10·Zbl 1119.68520号 [3] L.Bar，N.Sochen，N.Kiryati，脉冲噪声中的图像去模糊。国际期刊计算。视觉。70(3), 279-298 (2006). doi:10.1007/s11263-006-6468-1·Zbl 1119.68520号 ·doi:10.1007/s11263-006-6468-1 [4] A.Beck，M.Teboulle，线性反问题的快速迭代收缩阈值算法。SIAM J.成像科学。2(1), 183-202 (2009). doi:10.1137/080716542·Zbl 1175.94009号 ·doi:10.1137/080716542 [5] K.Bredies，T.Pock，B.Wirth，欧拉弹性能的凸下半连续近似。SIAM J.数学。分析。47(1), 566-613 (2015). 数字对象标识代码：10.1137/130939493·Zbl 1319.49018号 ·数字对象标识代码：10.1137/130939493 [6] D.Brownrigg，加权中值滤波器。Commun公司。ACM 27（8），807-818（1984）。数字对象标识代码：10.1145/358198.358222·数字对象标识代码：10.1145/358198.358222 [7] J.Cai，R.Chan，M.Niklova，脉冲加高斯噪声污染图像去模糊的两阶段方法。反向探测。成像2（2），187-204（2008）。doi:10.3934/ipi.2008.2.187·Zbl 1154.94306号 ·doi:10.3934/ipi.2008.2.187 [8] J.Cai，R.Chan，M.Nikolova，脉冲噪声下的快速两相图像去模糊。数学杂志。成像视觉。36(1), 46-53 (2010). doi:10.1007/s10851-009-0169-7·doi:10.1007/s10851-009-0169-7 [9] 蔡智杰、陈若晨、沈志军，《动画与纹理的同步修复》。反向探测。《成像》4（3），379-395（2010）。doi:10.3934/ip.2010.4.379文件·Zbl 1198.94021号 ·doi:10.3934/ipi.2010.4.379 [10] 蔡建华，董建华，沈振华，图像复原：全变分，小波框架及其以外。美国数学杂志。Soc.251033-1089（2012）。doi:10.1090/S0894-0347-2012-00740-1·Zbl 1277.35019号 ·doi:10.1090/S0894-0347-2012-00740-1 [11] 蔡建中，沈振中，基于Framelet的反褶积。J.计算。数学。28(3), 289-308 (2010). doi:10.4208/jcm.1001-m1002·Zbl 1224.65316号 ·doi:10.4208/jcm.1001-m1002 [12] A.Chai，Z.Shen，《反褶积：小波框架方法》。数字。数学。106(4), 529-587 (2007). doi:10.1007/s00211-007-0075-0·Zbl 1120.65134号 ·doi:10.1007/s00211-007-0075-0 [13] R.Chan，Y.Dong，M.Hintermüller，一种有效的两阶段L1-TV方法，用于恢复带有脉冲噪声的模糊图像。IEEE传输。图像处理。19(7), 1731-1739 (2010). doi:10.1109/TIP.2010.2045148·Zbl 1371.94074号 ·doi:10.1109/TIP.2010.2045148 [14] R.Chan，M.Tao，X.Yuan，基于交替方向乘数法的约束全变差去模糊模型和快速算法。SIAM J.成像科学。6(1), 680-697 (2013). 数字对象标识代码：10.1137/10860185·Zbl 1279.68322号 ·数字对象标识代码：10.1137/10860185 [15] T.Chan，S.Esedoglu，总变分方面正则化L1函数近似。SIAM J.应用。数学。65（5），1817-1837（2005）。doi:10.1137/040604297·Zbl 1096.94004号 ·doi:10.1137/040604297 [16] T.Chen，H.Wu，用于恢复脉冲噪声污染图像的空间变异中值滤波器。IEEE传输。电路系统。II模拟。数字。信号处理。48(8), 784-789 (2001). doi:10.1109/82.959870·Zbl 1012.94505号 ·doi:10.1109/82.959870 [17] C.Clason，B.Jin，K.Kunisch，一种具有自动正则化参数选择的L1-TV图像恢复的基于对偶的分割方法。SIAM J.科学。计算。32(3), 1485-1505 (2010). doi:10.1137/090768217·Zbl 1216.94009号 ·doi:10.1137/090768217 [18] I.Daubechies，B.Han，A.Ron，Z.Shen，Framelets:小波框架的基于MRA的构造。申请。计算。危害。分析。14(1), 1-46 (2003). doi:10.1016/S1063-5203（02）00511-0·Zbl 1035.42031号 ·doi:10.1016/S1063-5203（02）00511-0 [19] D.Dobson，F.Santosa，从噪声和模糊数据中恢复块状图像。SIAM J.应用。数学。56(4), 1181-1198 (1996). doi:10.1137/S0036139999427560X·Zbl 0858.68121号 ·doi:10.1137/S0036139999427560X [20] B.Dong，H.Ji，J.Li，Z.Shen，Y.Xu，基于小波框架的盲图像修复。申请。计算。危害。分析。32(2), 268-279 (2012). doi:10.1016/j.acha.2011.06.001·Zbl 1261.94006号 ·doi:10.1016/j.acha.2011.06.001 [21] B.Dong，Z.Shen，基于MRA的小波框架和应用，摘自IAS讲座笔记系列，图像处理数学暑期课程，公园城市数学研究所，第19卷，第7-158页（2010）·Zbl 1344.94009号 [22] Y.Dong，M.Hintermller，M.Neri，一种有效的L1TV图像恢复原对偶方法。SIAM J.成像科学。2(4), 1168-1189 (2009). doi:10.1137/090758490·Zbl 1187.68653号 ·doi:10.1137/090758490 [23] M.Elad，《稀疏和冗余表示：从理论到信号和图像处理应用》（Springer，纽约，2010）。doi:10.1007/978-1-4419-7011-4·Zbl 1211.94001号 ·doi:10.1007/978-1-4419-7011-4 [24] M.Elad，M.Aharon，通过学习词典的稀疏和冗余表示进行图像去噪。IEEE传输。图像处理。15(12), 3736-3745 (2006). doi:10.1109/TIP.2006.881969·doi:10.1109/TIP.2006.881969 [25] E.Esser，基于拉格朗日的交替方向方法的应用和分裂Bregman的连接。技术报告，加州大学洛杉矶分校C.A.M.报告，2009年9月31日·Zbl 1235.65054号 [26] S.Foucart，H.Rauhut，《压缩传感的数学导论》。应用和数值谐波分析。Birkhäuser Basel（2013年）。doi:10.1007/978-0-8176-4948-7·Zbl 1315.94002号 [27] H.Fu，M.Ng，M.Nikolova，J.Barlow，图像恢复中混合l2-l1和l1-l1范数的有效最小化方法。SIAM J.科学。计算。27(6), 1881-1902 (2006). doi:10.1137/040615079·Zbl 1103.65044号 ·doi:10.1137/040615079 [28] D.Gabay，B.Mercier，通过有限元近似求解非线性变分问题的对偶算法。计算。数学。申请。2(1), 17-40 (1976). doi:10.1016/0898-1221（76）90003-1·Zbl 0352.65034号 ·doi:10.1016/0898-1221（76）90003-1 [29] R.Glowinski，非线性变分问题的数值方法（Springer，纽约，1984）。doi:10.1007/978-3-662-12613-4·Zbl 0536.65054号 ·doi:10.1007/978-3-662-12613-4 [30] R.Glowinski，A.Marroco，《Sur l’approximation，paréléments finish d'ordre un，et la Résolution，parñalisation qualityéd une classe de Dirichlet nonéaires。Francaise d'Automat牧师。Inf.Recherche Opérationelle，9（R2），41-76（1975）。http://eudml.org/doc/193269 ·Zbl 0368.65053号 [31] R.Glowinski，P.L.Tallec，非线性力学中的增广拉格朗日和算子分裂方法，第45-121页，变分问题求解的增广拉格朗日方法。SIAM（1989）。doi:10.1137/1.9781611970838.ch3·Zbl 1012.94505号 [32] 龚志刚，沈志刚，陶国强，混合或未知噪声下的图像复原。多尺度模型。模拟。12(2), 458-487 (2014). 数字对象标识代码：10.1137/130904533·Zbl 1380.94021号 ·数字对象标识代码：10.1137/130904533 [33] 黄毅，陆德鲁，曾彤，乘法噪声污染图像复原的两步方法。SIAM J.科学。计算。35(6), 2856-2873 (2013). 数字对象标识代码：10.1137/120898693·Zbl 1291.65061号 ·数字对象标识代码：10.1137/120898693 [34] H.Hwang，R.Haddad，自适应中值滤波器：新算法和结果。IEEE传输。图像处理。4(4), 499-502 (1995). 数字对象标识代码：10.1109/83.370679·数字对象标识代码：10.1109/83.370679 [35] K.Ito，B.Jin，T.Takeuchi，非光滑Tikhonov正则化的正则化参数。SIAM J.科学。计算。33(3), 1415-1438 (2011). doi:10.1137/100790756·Zbl 1235.65054号 ·doi:10.1137/100790756 [36] R.Jia、H.Zhao、W.Zhao，图像去噪变分模型Bregman方法的收敛性分析。申请。计算。危害。分析。27(3), 367-379 (2009). doi:10.1016/j.acha.2009.05.002·Zbl 1194.68251号 ·doi:10.1016/j.aca.2009.05.002 [37] S.Ko，Y.Lee，中心加权中值滤波器及其在图像增强中的应用。IEEE传输。电路系统。38(9), 984-993 (1991). doi:10.1109/31.83870·doi:10.1109/31.83870 [38] Y.Li，L.Shen，D.Dai，B.Suter，脉冲加高斯噪声污染图像去模糊的Framelet算法。IEEE传输。图像处理。20(7), 1822-1837 (2011). doi:10.1109/TIP.2010.2103950·兹比尔1372.94153 ·doi:10.10109/TIP.2010.2103950 [39] L.Ma，J.Yu，T.Zeng，脉冲噪声下基于稀疏表示的先验和全变分图像去模糊。SIAM J.成像科学。6(4), 2258-2284 (2013). 数字对象标识代码：10.1137/120866452·Zbl 1279.68334号 ·数字对象标识代码：10.1137/120866452 [40] J.Mairal，F.Bach，J.Ponce，G.Sapiro，A.Zisserman，图像恢复的非局部稀疏模型，IEEE国际计算机视觉会议（ICCV），第2272-2279页（2009）。doi:10.1109/ICCV.2009.5459452 [41] M.Nikolova，正则估计的局部强同质性。SIAM J.应用。数学。61(2), 633-658 (2000). doi:10.1137/S00361399997327794·Zbl 0991.94015号 ·doi:10.1137/S00361399997327794 [42] M.Nikolova，涉及非光滑数据完整性条件的成本函数最小化。应用于异常值处理。SIAM J.数字。分析。40(3), 965-994 (2002). doi:10.1137/S0036142901389165·Zbl 1018.49025号 ·doi:10.1137/S0036142901389165 [43] M.Nikolova，一种去除离群值和脉冲噪声的变分方法。数学杂志。成像视觉。20(1-2), 99-120 (2004). doi:10.1023/B:JMIV.0000011326.88682.e5·Zbl 1366.94065号 ·doi:10.1023/B:JMIV.0000011326.88682.e5 [44] P.Ochs，Y.Chen，T.Brox，T.Pock，Ipiano：非凸优化的惯性近似算法。SIAM J.成像科学。7(2), 1388-1419 (2014). 数字对象标识代码：10.1137/130942954·Zbl 1296.90094号 ·数字对象标识代码：10.1137/130942954 [45] D.O'Connor，L.Vandenberghe，算子分裂的原始对偶分解及其在图像去模糊中的应用。SIAM J.Imaging Sci 7（3），1724-1754（2014）。数字对象标识码：10.1137/13094671X·Zbl 1309.65069号 [46] G.Pok，J.Liu，A.Nair，基于同质性水平信息的脉冲噪声选择性去除。IEEE传输。图像处理。12（1），85-92（2003）。doi:10.1109/TIP.2002.804278·doi:10.1109/TIP.2002.804278 [47] W.Pratt，中值滤波技术报告（南加州大学洛杉矶分校图像处理研究所，1975年）·Zbl 1035.42031号 [48] A.Ron，Z.Shen，L2中的仿射系统（Rd）：分析算子的分析。J.功能。分析。148(2), 408-447 (1997). doi:10.1007/BF02648888·Zbl 0891.42018号 ·doi:10.1007/BF02648888 [49] C.Sutour，C.Deledale，J.Aujol，NL-man的自适应正则化：图像和视频去噪的应用。IEEE传输。图像处理。23(8), 3506-3521 (2014). doi:10.1109/TIP.2014.2329448·Zbl 1374.94362号 ·doi:10.1109/TIP.2014.2329448 [50] X.Tai，C.Wu，ROF模型的增广拉格朗日方法、对偶方法和分裂Bregman迭代，载于《计算机视觉中的尺度空间和变分方法》，计算机科学讲义，第5567卷（Springer，柏林，2009），第502-513页。doi:10.1007/978-3-642-02256-2_42·Zbl 1371.94362号 [51] C.Wu，J.Zhang，X.Tai，非二次保真度全变差恢复的增广拉格朗日方法。反向探测。成像5（1），237-261（2011）。doi:10.3934/ipi.2011.5.237·Zbl 1225.80013号 ·doi:10.3934/ipi.2011.5.237 [52] Xiao Y.Xiao，T.Zeng，J.Yu，M.Ng，通过l1-l0最小化恢复混合高斯脉冲噪声污染的图像。模式识别。44(8), 1708-1720 (2011). doi:10.1016/j.patcog.2011.02.002·Zbl 1218.68191号 ·doi:10.1016/j.patcog.2011.02.002 [53] 严兆平，用盲修复法恢复脉冲噪声和混合高斯脉冲噪声破坏的图像。SIAM J.成像科学。6(3), 1227-1245 (2013). doi:10.1137/12087178X·Zbl 1281.65045号 ·doi:10.1137/12087178X [54] J.Yang，Y.Zhang，W.Yin，一种有效的TVL1算法，用于消除脉冲噪声污染的多通道图像的模糊。SIAM J.科学。计算。31(4), 2842-2865 (2009). doi:10.1137/080732894·Zbl 1195.68110号 ·doi:10.1137/080732894 [55] Z.Yang，M.Jacob，反问题的非局部正则化：统一变分框架。IEEE Trans。图像处理。22(8), 3192-3203 (2013). doi:10.1109/TIP.2012.2216278·doi:10.1109/TIP.2012.2216278 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。