×

兹马思-数学第一资源

通过学习字典去除蓖麻噪音。(英语) Zbl 1435.94035
摘要:提出了一种新的基于Rician噪声的图像去噪模型。图像的稀疏表示是图像处理的有效方法。受此启发,我们从含噪图像中学习一个字典,然后将映射模型与之相结合以去除Rician噪声。在求解该模型时,采用了原对偶算法,并对其收敛性进行了研究。计算结果表明,该方法在具有Rician噪声的图像恢复中具有良好的应用前景。
理学硕士:
94A08型 信息与通信理论中的图像处理(压缩、重建等)
65K10型 数值优化与变分技术
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 蔡建福。;东,B。;Shen,Z.,图像恢复:基于小波框架的分段平滑函数模型及其应用与计算谐波分析,41,1,94-138(2016)·Zbl 1339.65028
[2] Chan,R.H。;Ma,J.,盒约束惩罚似然图像恢复的乘法迭代算法,IEEE图像处理学报,21,7,3168-3181(2012)·Zbl 1373.94063号
[3] 米切利,加州大学。;沈,L。;Xu,Y.,图像模型的邻近算法:去噪,反问题,27,4,30(2011)·Zbl 1216.94015号
[4] 王,Y。;杨,J。;尹,W。;张勇,全变差图像重建的一种新的交替最小化算法,暹罗影像科学杂志,1,3,248-272(2008)·Zbl 1187.68665
[5] 东,Y。;亨特姆吕勒,M。;Neri,M.,《l1电视图像恢复的有效原始-对偶方法》,暹罗影像科学杂志,2,4,1168-1189(2009)·687.ZB1183
[6] 卢,J。;乔克。;沈,L。;Zou,Y.,TVL1图像恢复模型的不动点算法,国际计算机数学杂志,95,9,1829-1844(2018)
[7] 卢,J。;是,Z。;邹勇,胡贝尔基于拟合平面的分形图像编码,IEEE图像处理汇刊,22,1134-145(2013)·Zbl 1373.94265
[8] 米切利,加州大学。;沈,L。;徐,Y。;Zeng,X.,L1/TV图像去噪模型的邻近算法,计算数学进展,38,2,401-426(2013)·Zbl 1275.65014
[9] 杨,J。;张,Y。;Yin,W.,一种有效的去除脉冲噪声污染多通道图像的TVL1算法,暹罗科学计算杂志,31,4,2842-2865(2009)·Zbl 1195.68110
[10] 文学硕士。;莫伊桑,L。;于,J。;Zeng,T.,poisson图像去模糊的字典学习方法,IEEE医学影像学报,32,7,1277-1289(2013)
[11] 肖,Y。;曾,T.用学习字典去除泊松噪声,第17届IEEE国际图像处理会议论文集(ICIP)
[12] 张,H。;东,Y。;Fan,Q.,基于小波帧的泊松噪声去除和图像去模糊,信号处理,137363-372(2017)
[13] 东,Y。;Zeng,T.,带乘性噪声恢复模糊图像的凸变分模型,暹罗成像科学杂志,6,3,1598-1625(2013)·Zbl 1283.52012
[14] 黄,Y。;Ng,M.K。;Wen,Y.,一种新的乘性噪声去除的全变分方法,暹罗影像科学杂志,2,1,20-40(2009)·Zbl 1187.68655
[15] 黄勇。;莫伊桑,L。;Ng,M.K。;Zeng,T.,通过学习字典去除乘性噪声,IEEE图像处理学报,21,11,4534-4543(2012)·Zbl 1373.94180号
[16] 金,Z。;Yang,X.,去除超声图像中乘性噪声的变分模型,数学成像与视觉杂志,39,1,62-74(2011)·Zbl 1255.68240
[17] 康,M。;云,S。;Woo,H.,乘性去噪的两层凸松弛变分模型,暹罗成像科学杂志,6,2875-903(2013)·Zbl 1280.94012
[18] 卢,J。;沈,L。;徐,C。;Xu,Y.,成像中的乘性噪声去除:一个经验模型及其定点邻近算法,应用与计算谐波分析,41,2,518-539(2016)·Zbl 1360.94043号
[19] 卢,J。;沈,L。;徐,C。;Xu,Y.,稀疏优化模型的乘性噪声去除,反问题与成像,11,6949-974(2017)·Zbl 1375.94022
[20] 卢,J。;杨,Z。;沈,L。;卢,Z。;杨,H。;Xu,C.,《消除乘性噪声污染图像的帧集算法》,应用数学模型,62,51-61(2018)
[21] 卢,J。;陈,Y。;邹勇。;Shen,L.,用于恢复模糊和斑点噪声图像的新全变分模型,国际小波杂志,多分辨率和信息处理,15,2(2017)·Zbl 1362.65040
[22] 佩罗纳,P。;Malik,J.,使用各向异性扩散的尺度空间和边缘检测,IEEE模式分析与机器智能汇刊,12,7,629-639(1990)
[23] 格瑞格,G。;库布勒,O。;基基尼斯,R。;Jolesz,F.A.,MRI数据的非线性各向异性滤波,IEEE医学成像学报,11,221-232(1992)
[24] 普瑞玛公司。;莫里西,S.P。;Barillot,C.,《磁共振弥散加权和扩散张量去噪的非局部方法变体》,《医学图像计算和计算机辅助干预国际会议论文集》,Springer
[25] 曼乔恩,J.V。;卡博内尔·卡巴莱罗,J。;卢杰,L。;加西亚-马蒂,G。;马蒂-邦马蒂,L。;Robles,M.,《使用非局部方法进行MRI去噪》,《医学图像分析》,12,4,514-523(2008)
[26] 威斯特·代斯莱,N。;普瑞玛公司。;政变,P。;莫里西,S.P。;Barillot,C.,低信噪比MRI的非局部滤波去除蓖麻噪声:在DT-MRI中的应用,医学图像计算和计算机辅助干预,5242,2171-179(2008)
[27] Nowak,R.D.,磁共振成像中基于小波的Rician噪声去除,IEEE图像处理汇刊,8,10,1408-1419(1999)
[28] Foi,A.,磁共振成像中的噪声估计和去除:方差稳定方法,第八届IEEE生物医学成像国际研讨会论文集:从纳米到宏观,(ISBI),IEEE
[29] 伍德,J.C。;Johnson,K.M.,磁共振图像的小波包去噪:低信噪比下蓖麻子噪声的重要性,医学磁共振,41,3,631-635(1999)
[30] Bowman,F.,Bessel functions简介(2012),美国纽约州米诺拉市:多佛出版社,美国纽约州米诺拉市·JFM 64.1087.01版
[31] 盖特勒,P。;唐,M。;维塞,L.A.,磁共振图像复原的变分模型,第七届视觉计算进展国际会议论文集,斯普林格
[32] 陈,L。;曾,T.,《基于大Rician噪声的模糊图像恢复的凸变分模型》,数学成像与视觉杂志,53,1,92-111(2015)·Zbl 1357.94017
[33] 亚哈伦,M。;埃拉德,M。;Bruckstein,A.M.,K-SVD:稀疏表示的超完备字典设计算法,IEEE信号处理学报,54,11,4311-4322(2006)·Zbl 1375.94040
[34] 埃拉德,M。;Aharon,M.,《学习词典上稀疏和冗余表示的图像去噪》,IEEE图像处理汇刊,15,12,3736-3745(2006)
[35] 奥伯特,G。;Aujol,J.,《消除乘性噪声的变分方法》,暹罗应用数学杂志,684925-946(2008)·Zbl 1151.68713
[36] 刘,Q。;王,S。;杨,K。;罗,J。;朱,Y。;Liang,D.,使用字典更新的两级Bregman方法进行高度欠采样磁共振图像重建,IEEE医学影像学报,32,7,1290-1301(2013)
[37] 刘,Q。;王,S。;英,L。;彭,X。;朱,Y。;Liang,D.,稀疏梯度域自适应字典学习用于图像恢复,IEEE图像处理汇刊,22,12,4652-4663(2013)·Zbl 1373.94258
[38] 卢,H。;魏杰。;刘,Q。;王,Y。;邓,X.,磁共振重建的全广义变分字典学习法,国际生物医学成像杂志,2016(2016)
[39] 香波,A。;Pock,T.,凸问题的一阶原对偶算法及其在成像中的应用,数学成像与视觉杂志,40,1120-145(2011)·Zbl 1255.68217
[40] 埃塞尔,E。;张,X。;Chan,T.F.,一类用于成像科学中凸优化的一阶原始-对偶算法的一般框架,暹罗成像科学杂志,3,4,1015-1046(2010)·Zbl 1206.90117
[41] 北部的Komodakis。;最近的二元性,和一个新的二元性一起玩?解决大规模优化问题的双重方法,IEEE信号处理杂志,32,6,31-54(2015)
[42] Chambolle,A.,总变异最小化算法及其应用,数学成像与视觉杂志,20,1-2,89-97(2004)·Zbl 1366.94056
[43] 安布罗西奥,L。;福斯科,N。;《有界变差函数与自由间断问题》(2000),伦敦:牛津大学出版社,伦敦·Zbl 0957.49001
[44] 王,Z。;博维克,公元前。;谢赫,H.R。;Simoncelli,E.P.,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,13,4600-612(2004)
[45] 吉布森,J。;Bovik,A.,《图像和视频处理手册》(2000年),学术出版社·Zbl 0967.68155
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。