×

随机值脉冲噪声下基于稀疏表示的图像去模糊模型。 (英语) Zbl 1429.94014号

摘要:在本文中,我们介绍了一种新的基于补丁的模型,用于恢复同时受到模糊和随机值脉冲噪声破坏的图像。该模型包括一个(l_0)范数数据精确性项,一个先于学习词典的稀疏表示,以及总变差(TV)正则化。与以前的作品不同[蔡建富等人,《逆概率》。《成像2》,第2期,187-204页(2008年;Zbl 1154.94306号);L.Ma公司等,SIAM J.成像科学。第6期,第4期,2258–2284页(2013年;Zbl 1279.68334号)]对于随机值脉冲噪声,采用了单相方法。如中所示[G.元B.加尼姆[IEEE Conf.计算机视觉和模式识别(CVPR),第5369–5377页(2015;10.1109/CVPR.2015.7299175)],\(l_0\)数据拟合项对去除随机值脉冲噪声起着重要作用。此外,稀疏表示优先能够有效地保留纹理和细节,而TV正则化在保持清晰边缘的同时局部平滑图像。为了处理非凸项和不可微项,我们采用了变量分裂格式,然后采用惩罚方法和交替极小化算法。这导致了一个有效的迭代算法来求解我们的模型。数值结果表明,与现有方法相比,该模型的有效性。

MSC公司:

94A08型 信息和通信理论中的图像处理(压缩、重建等)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Aharon,M.、Elad,M.和Bruckstein,A.(2006年)。K-svd:一种为稀疏表示设计过完备字典的算法。IEEE信号处理汇刊,54(11),4311-4322·Zbl 1375.94040号
[2] Bai,M.、Zhang,X.和Shao,Q.(2016)。脉冲噪声下TVL1图像去模糊的自适应校正方法。反问题,32(8),85004-85026·Zbl 1366.94047号
[3] Bar,L.,Sochen,N.和Kiryati,N.(2006年)。存在椒盐噪声时图像去模糊。国际计算机视觉杂志,70(3),279-298·Zbl 1119.68520号
[4] Blomgren,P.,&Chan,T.F.(1998年)。彩色电视:还原矢量值图像的全变差方法。IEEE图像处理汇刊,7(3),304-309。
[5] Brownrigg,D.(1984年)。加权中值滤波器。ACM通讯,27807-818。
[6] Buades,A.、Coll,B.和Morel,J.M.(2005)。综述了图像去噪算法及其新算法。多尺度建模与仿真,4(2),490-530·Zbl 1108.94004号
[7] Cai,J.F.、Chan,R.和Nikolova,M.(2008)。用于对被脉冲加高斯噪声破坏的图像进行去模糊的两阶段方法。反问题与成像,2(2),187-204·Zbl 1154.94306号
[8] Cai,J.F.、Chan,R.H.和Nikolova,M.(2010年)。脉冲噪声下的快速两相图像去模糊。数学成像与视觉杂志,36(46),46-53。
[9] Chan T.F.和Zhou,H.M.(2001)。不连续函数的自适应小波变换。在第12届领域分解方法国际会议上(第93-100页)。
[10] Chan,T.、Esedoglu,S.、Park,F.和Yip,A.(2006年)。全变分图像恢复:概述和最新发展。N.Paragios、Y.Chen和O.D.Faugeras(编辑),《计算机视觉数学模型手册》(第17-31页)。纽约:斯普林格
[11] Chan,R.H.和Chen,K.(2010年)。同时对图像进行去噪和去模糊的多级算法。SIAM科学计算杂志,32(2),1043-1063·Zbl 1217.68235号
[12] Chan,R.H.,Dong,Y.和Hintermüller,M.(2010)。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图像处理汇刊,19(7),1731-1739·Zbl 1371.94074号
[13] Chen,T.和Wu,H.(2001)。用于脉冲噪声污染图像恢复的空间变异中值滤波器。IEEE电路与系统汇刊II:模拟和数字信号处理,48(8),784-789·Zbl 1012.94505号
[14] Chen,T.,&Wu,H.R.(2001)。使用中心加权中值滤波器的自适应脉冲检测。IEEE信号处理信件,8(1),1-3。
[15] 库兰特(1943)。求解平衡和振动问题的变分方法。美国数学学会公报,49,1-23·Zbl 0063.00985号
[16] Csiszár,I.和Tusná,G.(1984)。信息几何和交替最小化程序。《统计与决策》,1205-237。
[17] Daubechies,I.、Defriese,M.和Mol,C.(2004)。具有稀疏约束的线性反问题的迭代阈值算法。《纯粹数学与应用数学交流》,57(11),1413-1457·Zbl 1077.65055号
[18] Delon,J.和Desolneux,A.(2013年)。一种基于补丁的方法,用于消除脉冲或混合高斯脉冲噪声。SIAM成像科学,6(2),1140-1174·Zbl 1278.62156号
[19] Dong,Y.、Hintermüller,M.和Neri,M.(2009年)。一种有效的L1TV图像恢复的原对偶方法。SIAM成像科学杂志,2(4),1168-1189·Zbl 1187.68653号
[20] Dong,B.,Ji,H.,Li,J.,Shen,Z.,&Xu,Y.(2012)。基于小波框架的盲图像修复。应用和计算谐波分析,32(2),268-279·Zbl 1261.94006号
[21] Dong,W.,Zhang,L.,Shi,G.,&Wu,X.(2011)。通过自适应稀疏域选择和自适应正则化实现图像去模糊和超分辨率。IEEE图像处理汇刊,20(7),1838-1857·Zbl 1372.94072号
[22] Donoho,D.和Johnstone,I.(1994年)。通过小波收缩实现理想的空间自适应。《生物特征》,81(3),425-455·Zbl 0815.62019号
[23] Elad,M.和Aharon,M.(2006年)。通过学习字典上的稀疏和冗余表示进行图像去噪。IEEE图像处理汇刊,15(12),3736-3745。
[24] Figueiredo,M.、Bioucas-Dias,J.和Nowak,R.(2007年)。基于小波的图像恢复的优化最小化算法。IEEE图像处理汇刊,16(12),2980-1991。
[25] Fletcher,R.(1983)。惩罚功能。摘自:《数学编程——最新技术》(第87-114页)。斯普林格·Zbl 0542.90087号
[26] Gilboa,G.和Osher,S.(2008)。具有图像处理应用程序的非本地运算符。SIAM多尺度建模与仿真杂志,7(3),1005-1028·Zbl 1181.35006号
[27] Guo,X.、Li,F.和Ng,M.K.(2009)。一种用于图像恢复的快速L1-TV算法。SIAM科学计算杂志,31(3),2322-2341·Zbl 1191.65029号
[28] Huang,Y.M.、Moisan,L.、Ng,M.K.和Zeng,T.(2012)。通过学习字典消除乘法噪声。IEEE图像处理汇刊,21(11),4534-4543·Zbl 1373.94180号
[29] Hu,H.,Li,B.,&Liu,Q.(2016)。用基于补丁的加权方法去除高斯噪声和脉冲噪声的混合。科学计算杂志,67(1),103-129·Zbl 1339.65031号
[30] Hwang,H.和Haddad,R.(1995)。自适应中值滤波器:新算法和结果。IEEE图像处理汇刊,4(4),499-502。
[31] Kaleem,M.、Guergachi,A.和Krishnan,S.(2013年)。基于经验模式分解的稀疏字典学习及其在信号分类中的应用。摘自:数字信号处理和信号处理教育会议(DSP/SPE,IEEE)(第18-23页)。
[32] Ko,S.和Lee,Y.(1991年)。中心加权中值滤波器及其在图像增强中的应用。IEEE电路与系统汇刊,38(9),984-993。
[33] Li,Y.R.,Shen,L.,Dai,D.Q.,&Suter,B.W.(2011)。用于消除被脉冲加高斯噪声破坏的图像模糊的Framelet算法。IEEE图像处理汇刊,20(7),1822-1837·Zbl 1372.94153号
[34] Liu,J.,Huang,T.Z.,Lv,X.G.,&Huang。带脉冲噪声的模糊彩色图像复原。计算机与数学应用,70(6),1255-1265·Zbl 1443.94021号
[35] Li,S.,Wang,G.,&Zhao,X.(2016)。通过自适应学习字典和电视正则化去除乘性噪声。数字信号处理,50,218-228。
[36] Lou,Y.、Bertozzi,A.和Soatto,S.(2011年)。直接稀疏去模糊。数学成像与视觉杂志,39(1),1-12·Zbl 1255.94022号
[37] Ma,L.,Moisan,L.、Yu,J.和Zeng,T.(2013)。泊松图像去模糊的字典学习方法。IEEE医学成像学报,32(7),1277-1289。
[38] Ma,L.,Yu,J.,&Zeng,T.(2013)。脉冲噪声下基于稀疏表示先验和全变分的图像去模糊。SIAM成像科学杂志,6(4),2258-2284·Zbl 1279.68334号
[39] Nikolova,M.(2002年)。涉及非光滑数据完整性条件的成本函数的最小化。应用于异常值处理。SIAM数值分析杂志,40965-994·兹比尔1018.49025
[40] Nikolova,M.(2004)。一种去除离群值和脉冲噪声的变分方法。数学成像与视觉杂志,20(1-2),99-120·Zbl 1366.94065号
[41] Nocedal,J.和W,S.J.(2006年)。数值优化。纽约:斯普林格·Zbl 1104.65059号
[42] Pati,Y.C.、Rezaiifar,R.和Krishnaprasad,P.(1993)。正交匹配追踪:递归函数逼近及其在小波分解中的应用。1993年第二十七届阿西洛马尔信号、系统和计算机会议记录(第40-44页)。
[43] Pok,G.、Liu,J.和Nair,A.(2003)。基于同质性水平信息的脉冲噪声选择性去除。IEEE图像处理汇刊,12(1),85-92。
[44] Pratt,W.(1975)。中值滤波。洛杉矶南加州大学图像处理研究所技术报告。
[45] Protter,M.和Elad,M.(2009年)。基于稀疏和冗余表示的图像序列去噪。IEEE图像处理汇刊,18(1),27-35·Zbl 1371.94298号
[46] Rudin,L.、Osher,S.和Fatemi,E.(1992年)。基于非线性全变分的噪声去除算法。《物理学D:非线性现象》,60(1-4),259-268·Zbl 0780.49028号
[47] Shi,Y.、Fang,H.和Wang,G.(2014)。通过稀疏和冗余表示和框架正则化实现泊松图像反褶积。工程数学问题,2014917040·Zbl 1407.94025号
[48] Wang,Z.、Bovik,A.C.、Sheikh,H.R.和Simoncelli,E.P.(2004)。图像质量评估:从错误可见性到结构相似性。IEEE图像处理汇刊,13(4),600-612。
[49] Wang,S.,Liu,Q.,Xia,Y.,Dong,P.,Luo,J.,Huang,Q.等人(2013)。基于字典学习的L1-L1最小化脉冲噪声消除。信号处理,93(9),2696-2708。
[50] Wang,S.S.和Wu,C.H.(2009)。一种新的脉冲检测和滤波方法,用于消除宽范围脉冲噪声。模式识别,42(9),2194-2202·Zbl 1175.68523号
[51] Wang,Y.,Yang,J.,Yin,W.,&Zhang,Y.(2008)。一种新的全变分图像重建的交替最小化算法。SIAM成像科学杂志,1(3),248-272·Zbl 1187.68665号
[52] Wu,C.、Zhang,J.和Tai,X.C.(2011)。非二次保真度全变差恢复的增广拉格朗日方法。反问题与成像,5(1),237-261·Zbl 1225.80013号
[53] Xiao,Y.,&Zeng,T.(2010)。通过学习字典去除泊松噪声。IEEE图像处理国际会议论文集(第1177-1180页)。
[54] Xiao,Y.、Zeng,T.、Yu,J.和Ng,M.K.(2011)。基于l1-l0最小化的混合高斯脉冲噪声图像恢复。模式识别,44(8),1708-1720·Zbl 1218.68191号
[55] Xiong,B.,&Yin,Z.(2012)。采用新型脉冲检测器和非局部方法的通用去噪框架。IEEE图像处理汇刊,21(4),1663-1675·Zbl 1373.94450号
[56] Xu,Y.和Yin,W.(2013)。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备化中的应用。SIAM成像科学杂志,6(3),1758-1789·Zbl 1280.49042号
[57] Yan,M.(2013)。基于盲修复的脉冲噪声和混合高斯脉冲噪声图像恢复。SIAM成像科学杂志,6(3),1227-1245·Zbl 1281.65045号
[58] Yang,J.,Zhang,Y.,&Yin,W.(2009)。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科学计算杂志,31(4),2842-2865·Zbl 1195.68110号
[59] Yang,J.,Zhao,Y.Q.,Chan,J.W.等(2016)。结合稀疏去噪和低秩约束分解超光谱图像。IEEE地球科学与遥感汇刊,54(3),1818-1833。
[60] Yuan,G.和Ghanem,B.(2015)\[l0\]l0TV:一种在脉冲噪声中进行图像恢复的新方法。IEEE计算机视觉和模式识别会议(CVPR)(第5369-5377页)。
[61] Zeng,T.、Li,X.和Ng,M.(2010)。基于总变差的小波收缩模型的交替最小化方法。计算物理通信,8(5),976-994·Zbl 1364.65123号
[62] Zeng,T.、Li,X.和Ng,M.(2010)。基于总变差的小波收缩模型的交替最小化方法。《计算机物理通讯》,8(5),976-94·Zbl 1364.65123号
[63] Zhang,H.、Yang,J.、Zhang、Y.和Huang,T.(2011)。基于稀疏表示的盲图像去模糊。IEEE多媒体与博览会国际会议论文集(第1-6页)。
[64] Zhao,Y.Q.,&Yang,J.(2015)。基于稀疏表示和低阶约束的高光谱图像去噪。IEEE地球科学与遥感汇刊,53(1),296-308。
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。