朱莉·德隆；阿格尼斯·德索尔纽克斯；卡米尔·苏图；阿加提·维亚诺 RNLp：混合使用非局部和TV-Lp方法来去除图像中的脉冲噪声。 （英语） 兹比尔1448.94009 数学杂志。成像视觉。 61，第4期，458-481（2019）. 摘要：我们提出了一种新的变分框架来去除图像中的随机值脉冲噪声。该框架在相同能量下组合了一个非局部（L^p）数据项和一个全变分正则化项。非局部\（L^p\）项是像素之间的加权\（L^p\）距离，其中权重取决于以像素为中心的斑块之间的稳健距离。在第一部分中，我们研究了所提出能量的理论性质，并说明了它与经典去噪模型在参数极值选择方面的关系。在第二部分中，在解释了如何通过原始-对偶方法在数值上找到能量的最小值之后，我们对各种图像和噪声强度进行了广泛的去噪实验。所提方法的去噪性能与最先进的方法不相上下，值得注意的是，与其他成功的脉冲噪声去除变分方法不同，它们不依赖于噪声检测器。 引用于三文件 MSC公司： 94A08型 信息与通信理论中的图像处理（压缩、重建等） 90C25型 凸面编程 关键词：图像去噪；脉冲噪声；变分法；基于补丁的方法；凸优化 软件：PDCO公司；取消锁定BoX PDF格式BibTeX公司 XML格式引用 \textit{J.Delon}等人，J.数学。成像视觉。61，第4号，458--481（2019；Zbl 1448.94009） 全文： 内政部 哈尔 参考文献： [1] Alliney，S.：数字滤波器作为绝对规范正则化器。IEEE传输。信号处理。40(6), 1548-1562 (1992) ·Zbl 0859.93037号 [2] Awate，S.、Whitaker，R.：用于图像恢复的无监督信息理论自适应图像滤波。IEEE传输。模式分析。机器。智力。28（3），364-376（2006） [3] Boyd，S.、Parikh，N.、Chu，E.、Peleato，B.、Eckstein，J.等人：通过交替方向乘数法进行分布式优化和统计学习。已找到。趋势\[{\textregistered}\]®马赫数。学习。3(1), 1-122 (2011) ·Zbl 1229.90122号 [4] Buades，A.，Coll，B.，Morel，J.M.：图像去噪的非局部算法。摘自：IEEE计算机学会计算机视觉和模式识别会议，2005年。CVPR 2005，第2卷，第60-65页。IEEE（2005）·Zbl 1108.94004号 [5] Candes，E.J.，Wakin，M.B.，Boyd，S.P.：通过重加权l1最小化增强稀疏性。J.傅里叶分析。申请。14(5), 877-905 (2008) ·Zbl 1176.94014号 [6] Chambolle，A.，Cremers，D.，Pock，T.：最小分区的凸方法。SIAM J.成像科学。5(4), 1113-1158 (2012) ·Zbl 1256.49040号 [7] Chambolle，A.，Pock，T.：凸问题的一阶原对偶算法及其在成像中的应用。数学杂志。成像视觉。40(1), 120-145 (2011) ·兹比尔1255.68217 [8] Chambolle，A.，Pock，T.：成像连续优化介绍。Acta Numer公司。25, 161-319 (2016) ·Zbl 1343.65064号 [9] Chan，R.，Hu，C.，Nikolova，M.：消除随机值脉冲噪声的迭代过程。IEEE信号处理。莱特。11(12), 921-924 (2004) [10] Chaudhury，K.N.，Singer，A.：非对数欧几里德中值。IEEE信号处理。莱特。19(11), 745-748 (2012) [11] Chen，S.，Donoho，D.，Saunders，M.：通过基追踪进行原子分解。SIAM J.科学。计算。20（1），33-61（1998）·兹比尔0919.94002 [12] Chen，T.，Wu，H.：使用中心加权中值滤波器的自适应脉冲检测。IEEE信号处理。莱特。8(1), 1-3 (2001) [13] Combettes，P.L.，Pesquet，J.C.：信号处理中的近距离分裂方法。摘自：《科学与工程中反问题的定点算法》，第185-212页。施普林格（2011）·Zbl 1242.90160号 [14] Condat，L.：涉及Lipschitzian、可逼近和线性复合项的凸优化的原对偶分裂方法。J.优化。理论应用。158(2), 460-479 (2013) ·Zbl 1272.90110号 [15] Condat，L.：离散总变差：新定义和最小化。SIAM J.成像科学。10(3), 1258-1290 (2017) ·Zbl 1379.68330号 [16] Deledale，C.A.，Denis，L.，Tupin，F.：基于概率补丁权重的迭代加权最大似然去噪。IEEE传输。图像处理。18(12), 2661-2672 (2009) ·Zbl 1371.94108号 [17] Deledale，C.A.，Tupin，F.，Denis，L.：泊松NL表示：泊松噪声的无监督非局部平均值。2010年IEEE国际会议图像处理。（ICIP）。IEEE信号处理Soc（2010） [18] Delon，J.，Desolneux，A.：一种基于补丁的方法，用于去除混合高斯脉冲噪声。SIAM J.成像科学。6(2), 1140-1174 (2013). https://doi.org/10.1137/120885000 ·Zbl 1278.62156号 ·数字对象标识代码：10.1137/120885000 [19] Delon，J.、Desolneux，A.、Guillemot，T.：PARIGI：一种基于补丁的方法，用于从图像中去除脉冲高斯噪声。图像处理。在线6，130-154（2016）。https://doi.org/10.5201/ipol.2016.161 ·doi:10.5201/ipol.2016.161 [20] Dong，Y.，Chan，R.，Xu，S.：随机值脉冲噪声的检测统计。IEEE传输。图像处理。16(4), 1112-1120 (2007) [21] Dong，Y.，Xu，S.：一种新的方向加权中值滤波器，用于去除随机值脉冲噪声。IEEE信号处理。莱特。14(3), 193-196 (2007). https://doi.org/10.109/LSP.2006.884014 ·doi:10.1109/LSP.2006.884014 [22] Duval，V.：图像处理中的变分和非局部方法：几何研究。Telécom ParisTech博士论文（2011年） [23] Fan，J.，Li，R.：通过非冲突惩罚似然及其预言属性进行变量选择。《美国统计协会期刊》96（456），1348-1360（2001）·Zbl 1073.62547号 [24] Foucart，S.，Lai，M.J.：基于lq最小化的欠定线性系统的最稀疏解。申请。计算。哈蒙。分析。26(3), 395-407 (2009) ·Zbl 1171.90014号 [25] Garnett，R.，Huegerich，T.，Chui，C.，He，W.：带脉冲检测器的通用噪声去除算法。IEEE传输。图像处理。14(11), 1747-1754 (2005) [26] Gilboa，G.，Osher，S.：非局部线性图像正则化和监督分割。多尺度模型。模拟。6(2), 595-630 (2007) ·Zbl 1140.68517号 [27] Gilboa，G.，Osher，S.：非局部算子在图像处理中的应用。多尺度模型。模拟。7(3), 1005-1028 (2008) ·Zbl 1181.35006号 [28] Glowinski，R.，Marroco，A.：Sur l’approximation，paréléments finis d’ordre un，and la Résolution，par pénalisation dualitéd’une classe de dirichlet non-linéaires近似，最终结果和解决方案，非线性问题的双重分类。Revue française d’automatique，informatique，recherche opérationnelle。分析数字9（2），41-76（1975）·Zbl 0368.65053号 [29] Goldstein，T.，Osher，S.：l1-正则化问题的分裂bregman方法。SIAM J.成像科学。2(2), 323-343 (2009) ·Zbl 1177.65088号 [30] Holler，M.，Kunisch，K.：关于tv型泛函的内蕴卷积及其在视频和图像重建中的应用。SIAM J.成像科学。7(4), 2258-2300 (2014) ·Zbl 1308.94019号 [31] Hu，H.，Li，B.，Liu，Q.：使用基于补丁的加权方法去除高斯和脉冲噪声的混合物。科学杂志。计算。67(1), 103-129 (2016). https://doi.org/10.1007/s10915-015-0073-9 ·Zbl 1339.65031号 ·doi:10.1007/s10915-015-0073-9 [32] Huang，T.，Dong，W.，Xie，X.，Shi，G.，Bai，X.：通过拉普拉斯尺度混合建模和非局部低阶近似去除混合噪声。IEEE传输。图像处理。26(7), 3171-3186 (2017) ·Zbl 1409.94240号 [33] Huang，Y.，Ng，M.，Wen，Y.：去除脉冲和高斯噪声的快速图像恢复方法。IEEE信号处理。莱特。16(6), 457-460 (2009) [34] Ishikawa，H.：具有凸先验的马尔可夫随机场的精确优化。IEEE传输。模式分析。机器。智力。25(10), 1333-1336 (2003) [35] Kervrann，C.，Boulanger，J.：基于补丁的图像去噪的最佳空间自适应。IEEE传输。图像处理。15(10), 2866-2878 (2006) [36] Kervrann，C.、Boulanger，J.、Coupé，P.：贝叶斯非局部均值滤波器、图像冗余和用于噪声去除的自适应字典。在：计算机视觉中的尺度空间和变分方法（SSVM），第520-532页。施普林格（2007） [37] Ko，S.J.，Lee，Y.H.：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) [38] Kolmogorov，V.，Zabin，R.：哪些能量函数可以通过图形切割最小化？IEEE传输。模式分析。机器。智力。26(2), 147-159 (2004) [39] Lebrun，M.，Buades，A.，Morel，J.M.：非局部贝叶斯图像去噪算法。SIAM J.成像科学。6(3), 1665-1688 (2013). https://doi.org/10.1137/120874989 ·Zbl 1279.68331号 ·doi:10.1137/120874989 [40] Lebrun，M.、Colom，M.，Buades，A.、Morel，J.M.：图像去噪烹饪的秘密。Acta Numer公司。21, 475-576 (2012) ·Zbl 1260.94016号 [41] Li，B.，Liu，Q.，Xu，J.，Luo，X.：一种去除混合噪声的新方法。科学。中国信息科学。54(1), 51-59 (2011) ·Zbl 1216.94013号 [42] Li，Y.，Osher，S.：一种新的中值公式及其在基于PDE的去噪中的应用。Commun公司。数学。科学。7(3), 741-753 (2009) ·Zbl 1187.49020号 [43] Mallat，S.G.，Zhang，Z.：将追求与时间频率词典相匹配。IEEE传输。信号处理。41(12), 3397-3415 (1993) ·Zbl 0842.94004号 [44] Motta，G.、Ordentlich，E.、Ramírez，I.、Seroussi，G.和Weinberger，M.J.：连续色调图像去噪的dude框架。摘自：IEEE图像处理国际会议（ICIP）2005年，第3卷，第III-345页。IEEE（2005） [45] Natarajan，B.K.：线性系统的稀疏近似解。SIAM J.计算。24（2），227-234（1995年）·Zbl 0827.68054号 [46] Nikolova，M.：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). https://doi.org/10.1137/s0036142901389165 ·Zbl 1018.49025号 ·doi:10.1137/s0036142901389165 [47] Nikolova，M.：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), 99-120 (2004) ·Zbl 1366.94065号 [48] Pock，T.，Chambolle，A.：凸优化中一阶原对偶算法的对角线预处理。2011年IEEE国际计算机视觉会议（ICCV），第1762-1769页。IEEE（2011） [49] Pock，T.，Cremers，D.，Bischof，H.，Chambolle，A.：带凸正则化的变分模型的整体解。SIAM J.成像科学。3(4), 1122-1145 (2010) ·Zbl 1202.49031号 [50] Pock，T.，Schoenmann，T.，Graber，G.，Bischof，H.，Cremers，D.：连续多标签问题的凸公式。计算。视觉。ECCV 2008，792-805（2008） [51] Pratt，W.K.：中值滤波。技术报告，图像处理。南加州大学研究所（1975年） [52] Sutour，C.，Deledale，C.A.，Aujol，J.F.：NL-man的自适应正则化：在图像和视频去噪中的应用。IEEE传输。图像处理。23(8), 3506-3521 (2014) ·Zbl 1374.94362号 [53] Tibshirani，R.：通过套索进行回归收缩和选择。J.R.统计社会服务。B（Methodol.）58，267-288（1996）·Zbl 0850.62538号 [54] Wang，Y.Q.，Morel，J.M.：SURE引导的高斯混合图像去噪。SIAM J.成像科学。6(2), 999-1034 (2013). https://doi.org/10.1137/120901131 ·Zbl 1279.68341号 ·数字对象标识代码：10.1137/120901131 [55] Xiao，Y.，Zeng，T.，Yu，J.，Ng，M.K.：通过\[\text{l}{1}}-\text{1}{0}}\]l1-l0最小化恢复被混合高斯脉冲噪声破坏的图像。模式识别。44(8), 1708-1720 (2011). https://doi.org/10.1016/j.patcog.2011.02.002 ·Zbl 1218.68191号 ·doi:10.1016/j.patcog.2011.02.002 [56] Xiong，B.，Yin，Z.：一个具有新脉冲检测器和非局部方法的通用去噪框架。IEEE传输。图像处理。21(4), 1663-1675 (2012). https://doi.org/10.1109/TIP.2011.2172804 ·兹比尔1373.94450 ·doi:10.1109/TIP.2011.2172804 [57] Yan，M.：使用盲修复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) ·Zbl 1281.65045号 [58] Yu，G.，Sapiro，G.，Mallat，S.：用分段线性估计量求解逆问题：从高斯混合模型到结构化稀疏性。IEEE传输。图像处理。21(5), 2481-99 (2012). https://doi.org/10.1109/TIP.2011.2176743 ·Zbl 1373.94471号 ·doi:10.1109/TIP.2011.2176743 [59] Yuan，G.，Ghanem，B.：l0tv：脉冲噪声存在下图像恢复的新方法。2015年IEEE计算机视觉和模式识别会议（CVPR）（2015） [60] Zhou，Y.，Ye，Z.，Xiao，Y.：混合高斯加随机值脉冲噪声污染图像的恢复算法。视觉杂志。Commun公司。图像表示。24(3), 283-294 (2013) [61] Zoran，D.，Weiss，Y.：从自然图像补丁的学习模型到整体图像恢复。In:2011年国际比较计算。视觉。，第479-486页。IEEE（2011）。https://doi.org/10.109/ICCV.2011.6126278 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。