×

使用大规模总斑块变化先验的贝叶斯图像恢复。 (英文) Zbl 1235.94018号

摘要:使用非二次先验的边缘保护贝叶斯恢复在恢复连续变化时通常效率低下,并且在不适定逆图像恢复中,往往会在边缘周围产生块伪影。为了克服这一点,我们提出了一种改进性能的空间自适应(SA)先验。然而,这种SA先验恢复存在计算成本高和收敛性不保证的问题。针对这些问题,本文提出了一种用于贝叶斯图像恢复的大规模总补丁变化(LS-TPV)先验模型。在该模型中,每个像素的先验被定义为单个条件概率,它是一个斑块相似性先验和一个权重熵先验的混合先验形式。因此,建立了联合MAP估计以确保迭代的单调性。计算统一设备体系结构(CUDA)的并行化大大减少了密集的补丁距离计算。通过仿真数据和实际数据的实验,验证了所提恢复方法的良好性能。

MSC公司:

94A08型 信息与通信理论中的图像处理(压缩、重建等)
2015年1月62日 贝叶斯推断
68单位10 图像处理的计算方法
65D18天 计算机图形、图像分析和计算几何的数值方面
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] A.Srivastava、A.B.Lee、E.P.Simoncelli和S.C.Zhu,“自然图像统计建模的进展”,《数学成像与视觉杂志》,第18卷,第1期,第17-33页,2003年·Zbl 1033.68133号 ·doi:10.1023/A:1021889010444
[2] S.Tan和L.Jiao,“基于自然图像统计模型的统一迭代去噪算法:推导和示例”,《光学快报》,第16卷,第2期,第975-992页,2008年·doi:10.1364/OE.16.000975
[3] R.Molina,“关于图像恢复的分层贝叶斯方法:天文图像的应用”,IEEE模式分析和机器智能汇刊,第16卷,第11期,第1122-1128页,1994年·doi:10.1109/34.334393
[4] G.Archer和D.M.Titterington,“关于图像恢复的一些贝叶斯/正则化方法”,IEEE图像处理汇刊,第4卷,第7期,第989-995页,1995年·doi:10.1109/83.392339
[5] S.Geman和D.Geman,“随机松弛、吉布斯分布和图像的贝叶斯恢复”,IEEE模式分析和机器智能学报,第6卷,第6期,第721-7411984页·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596
[6] N.P.Galatsanos和A.K.Katsaggelos,“图像恢复中选择正则化参数和估计噪声方差的方法及其关系”,IEEE图像处理汇刊,第1卷,第3期,第322-336页,1992年·数字对象标识代码:10.1109/83.148606
[7] J.M.Bioucas-Dias和M.A.T.Figueiredo,“新的TwIST:图像恢复的两步迭代收缩/阈值算法”,《IEEE图像处理汇刊》,第16卷,第12期,第2992-3004页,2007年·doi:10.1109/TIP.2007.909319
[8] Y.Wan和R.D.Nowak,“联合图像恢复和边缘检测的贝叶斯多尺度方法”,《国际光学工程学会学报》(SPIE’99),第3813卷,第73-84页,1999年。
[9] M.A.T.Figueiredo和R.D.Nowak,“基于小波的图像恢复的EM算法”,《IEEE图像处理汇刊》,第12卷,第8期,第906-916页,2003年·Zbl 1279.94015号 ·doi:10.1109/TIP.2003.814255
[10] J.M.Bioucas-Dias,“基于贝叶斯小波的图像反褶积:利用一类重尾先验的GEM算法”,《IEEE图像处理汇刊》,第15卷,第4期,第937-9512006页·doi:10.1109/TIP.2005.863972
[11] R.Neelamani、H.Choi和R.Baraniuk,“向前:病态系统的Fourier-wavelet正则化反褶积”,IEEE信号处理学报,第52卷,第2期,第418-433页,2004年·Zbl 1369.94238号 ·doi:10.1109/TSP.2003.821103
[12] C.A.Bouman和K.Sauer,“用于边缘保持MAP估计的广义高斯图像模型”,IEEE图像处理汇刊,第2卷,第3期,第296-310页,1993年·数字对象标识代码:10.1109/83.236536
[13] D.F.Yu和J.A.Fessler,“具有非局部正则化的边缘保留层析重建”,IEEE医学成像学报,第21卷,第2期,第159-173页,2002年·doi:10.1109/42.993134
[14] L.I.Rudin、S.Osher和E.Fatemi,“基于非线性总变差的噪声去除算法”,《物理D》,第60卷,第1-4期,第259-268页,1992年·Zbl 0780.49028号 ·doi:10.1016/0167-2789(92)90242-F
[15] A.Chambolle,“总变差最小化算法及其应用”,《数学成像与视觉杂志》,第20卷,第1-2期,第89-97页,2004年·Zbl 1366.94048号 ·doi:10.1023/B:JMIV.0000011320.81911.38
[16] M.Mignotte,“图像去卷积的基于分割的正则化术语”,IEEE图像处理汇刊,第15卷,第7期,1973-1984页,2006年·doi:10.1109/TIP.2006.873446
[17] G.K.Chantas、N.P.Galatsanos和A.C.Likas,“使用新的非平稳边缘保留图像先验的贝叶斯恢复”,IEEE图像处理学报,第15卷,第10期,第2987-2997页,2006年·doi:10.1109/TIP.2006.877520
[18] G.Chantas、N.Galatsanos和A.Likas,“基于变量推理和student-t先验结果的贝叶斯图像恢复”,摘自《IEEE信号处理国际机器学习研讨会论文集》(MLSP’07),第109-112页,塞萨洛尼基,希腊,2007年。
[19] Y.Chen、J.Ma、Q.Feng、L.Luo、P.Shi和W.Chen,“非局部先验贝叶斯断层重建”,《数学成像与视觉杂志》,第30卷,第2期,第133-146页,2008年·doi:10.1007/s10851-007-0042-5
[20] A.Buades、B.Coll和J.M.Morel,“图像去噪的非局部算法”,载于《IEEE国际计算机视觉和模式识别会议论文集》,第2卷,第60-65页,美国加利福尼亚州圣地亚哥,2005年·Zbl 1108.94004号
[21] W.Chen、Y.Chen,Y.Li、Y.Dong、L.Hao和L.Luo,“使用新型空间自适应先验的有效图像测试”,《EURASIP信号处理进展杂志》,2010年第卷,文章ID 5080892010年·Zbl 1204.94013号 ·doi:10.1155/2010/508089
[22] S.Lyu,“自然图像多尺度定向表示的隐式马尔可夫随机场模型”,《IEEE计算机视觉和模式识别会议论文集》,第1919-1925页,2009年·doi:10.1109/CVPRW.2009.5206797
[23] G.Winkler,《图像分析、随机场和马尔可夫链蒙特卡罗方法》,《数学应用》第27卷,施普林格,德国柏林,第2版,2003年·Zbl 1008.68147号
[24] G.Peyré、S.Bougleux和L.Cohen,“反问题的非局部正则化”,《欧洲计算机视觉会议论文集》,第57-68页,2008年·Zbl 1223.68116号
[25] S.C.Zhu、Y.Wu和D.Mumford,“框架:过滤器、随机场和最大熵:纹理建模的统一理论”,《国际计算机视觉杂志》,第27卷,第2期,第1-20页,1998年。
[26] NVIDIA CUDA编程指南(3.0版),http://developer.download.nvidia.com/compute/cuda/3_2/toolkit/docs/cuda_C_Programming_Guide.pdf。
[27] M.Fatica和W.Jeong,“用CUDA加速matlab”,《高性能嵌入式计算学报》,2007年第1卷,美国马萨诸塞州列克星敦,2007年9月。
[28] Y.Chen,Z.Zhou,W.F.Chen,X.D.Yin等人,“通过大尺度邻里加权强度平均改善低剂量X射线CT图像”,《欧洲放射学杂志》,2010年。新闻界。 ·doi:10.1016/j.ejrad.2010.07.003
[29] C.A.Bouman和K.Sauer,“使用坐标下降优化的统计层析成像统一方法”,IEEE图像处理汇刊,第5卷,第3期,第480-492页,1996年·数字对象标识代码:10.1109/83.491321
[30] W.Chen、M.Chen和J.Zhou,“自适应正则化约束总最小二乘图像恢复”,IEEE图像处理汇刊,第9卷,第4期,第588-5962000页·Zbl 0963.94004号 ·doi:10.1109/83.841936年
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。