×
梁海霞;朱利·张

基于截断分数变化的图像去噪对偶算法。 （英语） Zbl 1483.94010号

国际期刊计算。数学。 97，第9期，1849-1859（2020）.
摘要：分数阶导数以其比总变分更好的纹理恢复性能，在图像处理中越来越受到研究者的关注。为了提高分数阶变异模型在图像恢复中的性能，在中提出了一种截断分数阶变异模型[R.H.Chan先生和H.-X.梁，J.Oper。Res.Soc.China第7期，第4期，561–578页（2019年；Zbl 1438.94005号)]. 在本文中，我们提出了一种对偶方法来求解这个截断的分数阶变分模型，以去除噪声。所提出的算法基于由A.Chambolle公司[J.Math.Imaging Vis.20，No.1-2，89-97（2004；Zbl 1366.94048号)]. 相反，Chambolle的对偶方法可以被视为分数阶算法的特例（α=1）。本文的工作修改了[J.张等，同上，第43号，第1期，第39–49页（2012年；Zbl 1255.68278号)]，其中不分析收敛性。基于截断，可以分析所提出的对偶方法的收敛性，并提供收敛准则。此外，截断后的重建精度得到了提高。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
65K10码 数值优化和变分技术
68单位10 图像处理的计算方法

关键词：

截断分数阶导数;截断分数阶变分模型;对偶算法;图像去噪;纹理保持

引文：

Zbl 1438.94005号;Zbl 1366.94048号;Zbl 1255.68278号

软件：

ma2dfc
PDF格式BibTeX公司 XML格式引用
\textit{H.Liang}和\textit{J.Zhang}，国际计算机杂志。数学。97，第9期，1849--1859（2020；Zbl 1483.94010）
全文： 内政部

参考文献：

[1] 白，J。；Feng，X.C.，图像去噪的分数阶各向异性扩散，IEEE Trans。图像处理。，16, 10, 2492-2502 (2007) ·Zbl 1119.76377号 ·doi:10.1109/TIP.2007.904971
[2] Chambolle，A.，《总偏差最小化算法及其应用》，J.Math Imaging Vis。，20, 89-97 (2004) ·Zbl 1366.94048号 ·doi:10.1023/B:JMIV.0000011320.81911.38
[3] Chan，R.H。；Lanza，A。；Morigi，S。；Sgallari，F.，使用分数阶正则化恢复纹理图像的自适应策略，Numer。数学。理论方法应用。，6, 276-296 (2013) ·Zbl 1289.68196号 ·doi:10.4208/nmtma.2013.mssvm15
[4] Chan，R.H.和Liang，H.，图像恢复的截断分数阶变化模型。《运营杂志》。Res.Soc.中国·Zbl 1438.94005号
[5] Chan，R.H。；Liang，H。；Wei，S。；尼科洛娃，M。；Tai，X.C.，单张射线照片轴对称物体层析成像的高阶总变差正则化方法，逆问题。成像，9，1，55-77（2015）·兹比尔1308.65215 ·doi:10.3934/ipi.2015.9.55
[6] Chan，R.H。；Liang，H。；Ma，J.，积极约束的总变差惩罚图像恢复，Adv.Adapt。数据分析。，3, 187-201 (2011) ·Zbl 1234.94011号 ·doi:10.1142/S1793536911000817
[7] Hiriart-Urruti，J.-B.和Lemarechal，C.，凸分析和最小化算法。一、 第二卷第305-306卷，《数学科学基本原理》，Grundlehrender of Mathematischen Wissenschaften。施普林格·弗拉格，柏林，1993年（两卷）·Zbl 0795.49001号
[8] Knoll，F。；Bredies，K。；Pock，T。；Stollberger，R.，MRI二阶总广义变异（TGV），Magn。Reson公司。医学，65，480-491（2011）·doi:10.1002/mrm.22595
[9] Lavoie，J.L。；奥斯陆，T.J。；Tremblay，R.，分数导数和特殊函数，SIAM Rev.，18，240-268（1976）·兹比尔0324.44002 ·doi:10.1137/1018042
[10] Lee，S.T。；孙浩，带跳期权定价的四阶紧致边值方法，高级应用。数学。网格，1845-861（2009）·doi:10.4208/aamm.09-m09S06
[11] Li，F。；曾涛，一阶和二阶梯度变分图像融合，J.Compute。数学。，34, 2, 200-222 (2016) ·Zbl 1363.68217号 ·doi:10.4208/jcm.1512-m2014-0008
[12] Lou，Y。；曾涛。；Osher，S。；Xin，J.，图像处理各向异性和各向同性总变分模型的加权差分，SIAM J.成像科学。，8, 3, 1798-1823 (2015) ·Zbl 1322.94019号 ·数字对象标识码：10.1137/14098435X
[13] 莱塞克，M。；伦德沃德，A。；Tai，X.-C.，使用四阶偏微分方程的噪声去除及其在空间和时间医学磁共振图像中的应用，IEEE Trans。图像处理。，12, 1579-1590 (2003) ·Zbl 1286.94020号 ·doi:10.1109/TIP.2003.819229
[14] 莱塞克，M。；Tai，X.C.，《结合总变差最小化和二阶泛函的迭代图像恢复》，《国际计算杂志》。视觉。，66，5-18（2005年）·Zbl 1286.94021号 ·doi:10.1007/s11263-005-3219-7
[15] 江，D。；王，X。；徐，G。；Lin，J.，结合TV最小化和分数导数的去噪分解模型，East。《亚洲应用杂志》。数学。，8, 447-462 (2018) ·Zbl 1462.94006号 ·doi:10.4208/eajam.130917.150218
[16] Podlubny，I.，分数微分方程（1999），学术出版社：纽约学术出版社·Zbl 0918.34010号
[17] 波德鲁布尼，I。；Chechkin，A。；斯科夫拉内克，T。；陈，Y。；Jara，B.M.V.，《离散分数阶微积分的矩阵方法II：偏分数阶微分方程》，J.Compute。物理。，228, 8, 3137-3153 (2009) ·Zbl 1160.65308号 ·doi:10.1016/j.jcp.2009.01.014
[18] 鲁丁，L.I。；Osher，S。；Fatemi，E.，基于非线性总变差的噪声去除算法，Phys。D、 60、259-268（1992）·Zbl 0780.49028号 ·doi:10.1016/0167-2789（92）90242-F
[19] 魏，T。；Wang，L。；林，P。；陈毅，王，J。；Zheng，H.，Learning non-negativity constrained variation for image去噪和去模糊，Numer。数学。西奥。方法。申请。，1852-871年10月（2017年）·Zbl 1399.35013号 ·doi:10.4208/nmtma.2017.m1653
[20] 温，Y。；Chan，R。；曾，T.，泊松噪声下基于全变差的图像恢复的原对偶算法，科学。中国数学。，59, 1, 141-160 (2016) ·Zbl 1403.65029号 ·doi:10.1007/s11425-015-5079-0
[21] Yang，S。；Lee，S.T。；Sun，H.，跳跃扩散模型中期权定价的Crank-Nicolson预条件边值方法，国际期刊计算。数学。，88, 1730-1748 (2011) ·Zbl 1218.65153号 ·doi:10.1080/00207160.2010.524929
[22] 张杰。；Chen，K.，非均匀边界条件下图像恢复的总分数阶变分模型及其数值解，SIAM J.Imaging Sci。，8, 4, 2487-2518 (2015) ·兹比尔1327.62388 ·数字对象标识码：10.1137/14097121X
[23] Zhang，J.，Wei，Z.，图像去噪的分数变化模型和算法，第四届国际自然计算会议（ICNC2008）第5卷，IEEE出版社，纽约，2008年，第524-528页。
[24] 张杰。；魏，Z。；肖，L.，图像去噪的自适应分数阶多尺度方法，J.Math。成像视觉。，43, 1, 39-49 (2012) ·兹比尔1255.68278 ·doi:10.1007/s10851-011-0285-z
[25] 张杰。；Wei，Z.，一类用于图像去噪的分数阶多尺度变分模型和交替投影算法，应用。数学。型号。，35, 5, 2516-2528 (2011) ·Zbl 1217.94024号 ·doi:10.1016/j.apm.2010.11.049
[26] Zhang，Y。；Pu，Y.-F。；胡锦荣。；周，J.-L.，绘画模型中的一类分数阶变分图像，应用。数学。信息科学。，6, 2, 299-306 (2012)
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。