全变分模型

摘要： 针对全变分图像去噪算法中处理边缘区域与平滑区域相互冲突从而导致阶梯效应的问题,提出利用局部梯度阈值对两者进行分开滤波去噪的方法。在分析现有利用小波变换进行噪声预测的基础上,提出更精确的改进预测算法;通过实验,得到局部梯度阈值与噪声方差的关系方程,以及最优梯度阈值的估算方法;给出改进算法的步骤与迭代方法。实验结果表明,该算法能有效去除图像上的高斯噪声、获得较好的边缘保护效果,同时能克服全变分去噪后复原图像出现阶梯效应的问题。

摘要： 全变分图像去噪模型能有效地复原图像的边缘,但是在平滑区域存在阶梯效应,且不能有效复原图像纹理。为解决上述问题,该文结合全变分正则化子和分数阶正则化子,提出一种去除椒盐噪声的混合正则化模型,模型复原后的图像有效地保留图像的边缘和纹理细节信息,抑制阶梯效应。该文采用交替方向乘子(ADMM)法进行求解,实验结果验证模型和算法的有效性。

摘要： 针对抑制噪声过程中图像边缘和细节信息易模糊的现状,提出一种基于边缘检测全变分(TV)模型的图像去噪方法.首先,利用Canny算子对图像边缘加以检测;其次,针对图像边缘区域进行膨胀处理以适当扩展边缘区域;最后,分别采用TV模型和均值滤波器对膨胀后的图像边缘和非边缘区域进行去噪处理.仿真实验结果表明,与经典方法相比,该方法不仅能够较理想地去除原图像中存在的噪声,还能够很好地保留图像中原始的边缘和细节信息.

摘要： 针对局部扫描过程中投影数据沿探测器方向截断的特点,提出一种基于投影数据恢复的扇束CT局部重建算法.算法采用线过程模型检测截断投影数据的边缘,获取待恢复投影数据的边界位置;然后引入权重,对待恢复点的邻域点进行预插值,并利用全变分模型对缺失的投影数据进行恢复;最后依据扩充较完整的投影数据,经滤波反投影算法重建得到改善的局部图像.与直接利用截断投影数据重建图像中呈现的环形伪影相比较,仿真和临床数据的重建图像对比度增强,且较好地保留图像的边缘信息.

摘要： 梯度模值较易受到外界影响,导致全变分模型在大噪声点处往往不能很好地消除噪声,从而产生阶梯效应.针对该问题,提出了一种基于卷积运算与全变分模型的图像去噪方法.首先,针对以扩散形式获得的图像像素点进行卷积运算,利用滤波去噪降低大噪声点的灰度值;其次,以能量泛函形式构建图像全变分模型,并求解泛函对应的拉格朗日方程极小值来实现图像去噪;最后,将去噪后图像作为双边滤波算法的引导图像进行二次去噪,从而进一步提升图像去噪质量.仿真实验结果表明,与经典方法相比,该模型对去噪过程中的阶梯效应问题具有较好的处理效果.

摘要： 针对多时相遥感影像厚云去除出现的亮度不一致和明显边界的问题,提出了一种结合全变分模型和泊松方程的多时相遥感影像厚云去除算法.首先,通过多时相遥感影像间共同区域的亮度信息计算亮度校正系数,对图像的亮度进行校正,降低亮度差异对去云结果的影响.然后,基于选择多源全变分模型对亮度校正后的多时相遥感影像进行重建,提高融合结果的空间平滑性及其与原始影像的相似性.最后,利用泊松方程对重建图像的局部区域进行优化.实验结果表明,该算法能够有效解决亮度不一致和边界问题.

摘要： 目的:设计一种医用图像分辨率提升改进算法.方法:分析图像分辨率提升常用的双线性插值算法不足,引入图像局部色彩方差和改进的全变分模型,突出图像的颜色信息和细节信息,从视觉效果、相似度和信噪比与当前主流算法就修复结果进行分析和比较,本文算法修复后图像视觉效果得到大幅提升,相似度提高了0.08,信噪比提高了9db.结论:在临床诊断上,本文算法修复后的图像实用性更高.

摘要： 针对图像融合中传统方法易引起图像细节和边缘丢失的问题,提出了一种L0范数约束的全变分(TV-L0)图像融合方法.对源图像进行均值滤波,根据滤波前后的图像获取源图像的边缘特征,通过特征图的梯度获取源图像对应的权重,基于此权重,由源图像建立目标图像并由源图像的梯度建立目标梯度.进一步基于目标图像建立变分方程的保真项,并基于目标梯度建立方程的正则项.通过引入变量,基于快速傅里叶变换,实现了融合模型的快速求解.实验结果表明:与基于离散余弦谐波小波变换图像融合方法相比,提出的方法多焦点图像融合和红外与可见光图像融合中的平均梯度(AG)分别提高了0.71％和15.71％,标准差(SD)分别提高了4.97％和4.77％,从源图像转移到融合图像的边缘信息量(QUV/F)分别提高了0.94％和6.13％,从源图像到融合图像丢失的边缘信息量(LUV/F)分别降低了5.47％和17.37％.提出的方法所获取的融合图像在主观视觉效果和客观评价函数两方面均优于传统方法.

摘要： 基于传统交替方向算法的框架,提出了一种求解全变分问题的修正交替方向算法(modified alternating direction method,MADM).该算法利用当前点的信息和前两个迭代点的信息得到修正的初始BB步长,再结合非单调线搜索技术得到子问题的近似解,在理论上验证了该算法的全局收敛性.最后,将该算法分别在小规模、无噪声和大规模、有噪声的情况下应用于全变分图像重构问题.对重构后的结果,从运行时间、迭代次数、相对误差以及图像的重构效果四个角度进行评价,并与求解全变分问题的交替方向算法(TV minimization by alternating direction algorithms,TVAL3)进行对比,其数值结果表明了该算法具有更好的收敛速度和重构效果.

摘要： 由于传感器空间分辨率的限制以及地物分布的复杂多样,遥感影像上存在着大量混合像元.混合像元问题严重影响了遥感对地观测技术向定量化的发展.传统的混合像元分解技术可以通过建立光谱分析模型,获取组成混合像元的物质成分及其丰度含量,实现有效的影像数据分析,但是却无法准确获取各地物端元在混合像元中亚像元级别的具体空间位置.而亚像元制图技术是研究确定地物在亚像元中具体分布情况、真正实现遥感影像处理从像元级深入到亚像元级的前沿关键技术。本文利用稀疏表达理论基本思想，从亚像元构成的空间模式考虑混合像元中不同亚像元的可能分布情况，利用成熟、稳健的离散余弦变换字典作为亚像元空间模式稀疏表达的基本模式集合，并纳入全变分空间正则化模型，提出了一种联合稀疏表达理论及全变分空间正则化模型的亚像元制图方法。对比于经典的亚像元制图方法以及最新提出的纳入空间正则化模型的亚像元制图方法，无论是目视评价还是定量精度，本文方法均获得了最好的制图结果。

摘要： 目的:本文将改进的全变分模型中的保真项由L2范数扩展为L1范数形式.方法:本文运用三种方法:半二次规整化方法,基于Bregman距离迭代方法,逆尺度空间方法.结果:由不动点方法可以证明这三种方法在L1范数形式下是等价的.本文在数值试验中对三种方法进行比较.结论:总体来看,通过逆尺度空间方法得到的PSNR值更大,视觉恢复图更好.

摘要： 为了克服线性滤波带来的模糊边缘问题和应用全变分模型产生的阶梯效应，本文提出一种基于图像的水平集和形态学理论的图像去噪算法。该算法应用连通域分析方法，在每个水平集图像集上划分目标区域，运用形态学中的膨胀腐蚀算法思想，根据图像的梯度和水平集内目标区域的性质有选择的合并较小的目标区域，然后将处理后的水平集重构成一幅去噪图像。根据实验结果和数据分析，本算法在图像噪声方差未知的条件下具有很好的去噪效果，在保护边缘方面优于传统的高斯滤波和中值滤波处理结果，而且克服了全变分模型中的阶梯效应。

摘要： 提出一种能够保持图像细节的全变分多聚焦融合方法.针对多聚焦图像的成像特点,在目标函数中自适应优化图像保真因子,并引入细节保持算子、能够使算法在整体保真情形下充分保持图像边缘等细节信息.与传统的小波变换和全变分融合算法相比,融合图像具有更好的主、客观视觉质量.

摘要： 提出一种能够保持图像细节的全变分多聚焦融合方法.针对多聚焦图像的成像特点,在目标函数中自适应优化图像保真因子,并引入细节保持算子、能够使算法在整体保真情形下充分保持图像边缘等细节信息.与传统的小波变换和全变分融合算法相比,融合图像具有更好的主、客观视觉质量.

摘要： 提出一种能够保持图像细节的全变分多聚焦融合方法.针对多聚焦图像的成像特点,在目标函数中自适应优化图像保真因子,并引入细节保持算子、能够使算法在整体保真情形下充分保持图像边缘等细节信息.与传统的小波变换和全变分融合算法相比,融合图像具有更好的主、客观视觉质量.

摘要： 提出一种能够保持图像细节的全变分多聚焦融合方法.针对多聚焦图像的成像特点,在目标函数中自适应优化图像保真因子,并引入细节保持算子、能够使算法在整体保真情形下充分保持图像边缘等细节信息.与传统的小波变换和全变分融合算法相比,融合图像具有更好的主、客观视觉质量.

摘要： 图像修补是图像复原研究中的一个重要内容,它的目的是根据图像现有的信息来恢复丢失的信息,用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等.基于TV模型的修补方法有较好的恢复效果,但运算量较大.本文提出一种基于p-Laplace算子的图像修补方法,与TV模型的修复方法相比,能有效改善图像的修补质量,并能显著的减少运算时间。

摘要： 图像修补是图像复原研究中的一个重要内容,它的目的是根据图像现有的信息来恢复丢失的信息,用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等.基于TV模型的修补方法有较好的恢复效果,但运算量较大.本文提出一种基于p-Laplace算子的图像修补方法,与TV模型的修复方法相比,能有效改善图像的修补质量,并能显著的减少运算时间。

摘要： 本发明涉及光场测量技术，具体涉及一种基于光场双色反射模型和全变分的高反光去除方法，首先对原始光场图像解码并得到多个视角的子孔径图像，运用自适应阈值分割算法提取中心子孔径图像中的高反光像素点。在RGB颜色空间内，使用最小二乘法对每个高反光像素点的多个视角进行空间线性拟合；通过双色反射模型DRM和TI分析，建立拟合的空间直线和DRM的关联，最终得到所对应拟合空间直线的截距项常量即为每个高反光像素点的漫反射颜色。经过遍历图像高反光像素点得到高光去除后的图像。将遮挡视为噪点，使用TV去噪模型去除图像纹理边缘的遮挡效应。该方法在复杂纹理、强反射表面、室内和室外场景的多个场景中，具有很强的鲁棒性。

摘要： 本申请公开一种基于自适应全变分图像降噪模型的图像降噪方法，包括以下步骤：获取待降噪图像；预处理获取的待降噪图像，获得原图像矩阵；基于预设的模型参数，将原图像矩阵导入自适应全变分图像降噪模型，经过多次迭代降噪，获得多张降噪图像，并从多张降噪图像中选取降噪效果最佳的降噪图像作为待降噪图像的降噪图像，其中，自适应全变分图像降噪模型的自适应函数用于控制降噪过程中的降噪强度。本发明能够对图像进行降噪，并获得降噪图像。

摘要： 基于增强全变分约束表示模型与端元背景字典的高光谱异常检测方法，涉及一种高光谱异常检测方法。本发明为了解决现有的高光谱异常检测方法存在破坏高光谱数据的空间结构问题和混合像元内异常分量的干扰问题，从而使得目前的检测方法的检测精度较低。本发首先采用所提出的端元背景字典构建方法构建端元背景字典，然后对构建的基于增强全变分约束表示模型的高光谱异常检测方法进行优化求解，最后在求解出的最优化稀疏矩阵上得到检测结果。主要用于高光谱的异常检测。

摘要： 本发明涉及光场测量技术，具体涉及一种基于光场双色反射模型和全变分的高反光去除方法，首先对原始光场图像解码并得到多个视角的子孔径图像，运用自适应阈值分割算法提取中心子孔径图像中的高反光像素点。在RGB颜色空间内，使用最小二乘法对每个高反光像素点的多个视角进行空间线性拟合；通过双色反射模型DRM和TI分析，建立拟合的空间直线和DRM的关联，最终得到所对应拟合空间直线的截距项常量即为每个高反光像素点的漫反射颜色。经过遍历图像高反光像素点得到高光去除后的图像。将遮挡视为噪点，使用TV去噪模型去除图像纹理边缘的遮挡效应。该方法在复杂纹理、强反射表面、室内和室外场景的多个场景中，具有很强的鲁棒性。

摘要： 本发明公开了一种基于边缘检测低秩全变分模型的高光谱去噪方法，构建输入信号模型，并基于所述输入信号模型构建并优化边缘检测低秩全变分模型；利用奇异值收缩方法对所述边缘检测低秩全变分模型中划分出的第一子问题进行求解；基于高光谱图像波段数对得到的第二子问题进行划分，并使用迭代的基于梯度的快速边缘检测四邻域全变分算法对所有的所述第二子问题进行求解；利用软阈值收缩算子对得到的第三子问题进行求解，并对得到的所有的子问题的结果进行迭代；将当前迭代结果与设定的迭代终止条件进行比较，直至满足所述迭代终止条件，并计算出对应的峰值信噪比和结构相似性值，经过实验验证分析，提高光谱图像去噪效果。

摘要： 本发明公开了一种基于自适应权重全变分模型的图像去噪方法，按照建立自适应权重全变分模型；使用非局部均值滤波器处理噪声图像，得到估计去噪图像；对噪声图像进行预处理后使用四个边缘算子进行检测，得到边缘检测图像，并根据四个边缘算子定义自适应范式参数；根据自适应范式参数将边缘检测图像的像素重置后得到含噪图像的权重矩阵；将估计去噪图像、自适应范式参数和权重矩阵代入至自适应权重全变分模型中得到去噪图像的步骤。本发明能够根据图像特征自适应的将图像的边缘区域和平滑区域分开处理，在去除噪声的同时保持图像的纹理和边缘，避免了阶梯效应的产生。

摘要： 本发明涉及基于全变分模型的IRFPA非均匀性神经网络校正方法，包括以下步骤：(1)、设定IRFPA探测器(i,j)像元增益校正参数的初始值

摘要： 本发明公开了一种基于边缘检测低秩全变分模型的高光谱去噪方法，构建输入信号模型，并基于所述输入信号模型构建并优化边缘检测低秩全变分模型；利用奇异值收缩方法对所述边缘检测低秩全变分模型中划分出的第一子问题进行求解；基于高光谱图像波段数对得到的第二子问题进行划分，并使用迭代的基于梯度的快速边缘检测四邻域全变分算法对所有的所述第二子问题进行求解；利用软阈值收缩算子对得到的第三子问题进行求解，并对得到的所有的子问题的结果进行迭代；将当前迭代结果与设定的迭代终止条件进行比较，直至满足所述迭代终止条件，并计算出对应的峰值信噪比和结构相似性值，经过实验验证分析，提高光谱图像去噪效果。

摘要： 本发明提供了一种全变分模型非盲复原的方法及系统，包括：采用噪声模型对图像退化过程进行建模；通过分析图像的同态子块，将噪声模型的未知参数估计转化为线性方程组的求解；根据未知参数的解，考虑图像梯度的稀疏性以及采用最大后验估计，构建ROF全变分模型；获取亮度图像，计算ROF全变分模型的最优解，对所述亮度图像进行复原。本文算法能够在抑制噪声的同时保证图像的细节与图像质量。本发明方法通过自动化、智能化的手段实现对生物医学图像的非盲复原及重构，操作简便，检测效率高，可靠性高，通用性强。

摘要： 本发明公开一种基于引导图全变分模型的图像纹理和结构的分解方法，属于图像处理技术领域。本发明提供的基于引导图全变分模型的图像纹理和结构的分解方法，先基于引导图滤波重构图像的局部主要结构，然后根据重构的局部结构图计算纹理描述符，最终结合多尺度全变分模型以及块平移方法提高纹理和结构分解的准确性和计算效率。本发明的技术方案对噪声较大的图像能获得更好的纹理/结构分解效果，对图像中不同尺度的结构和纹理也能进行准确地分解，分解出的结构层能保持图像原有的明暗变化，避免了单一使用局部平滑导致的结构模糊或全局优化方法带来的色块效应。另外，本发明的技术方案所需要提取的特征简单，不依赖于对大量图像样本的学习。