具有噪声估计机制的偏差迭代图像复原

研究了Morozov偏差方程,将图像退化模型的Tikhonov正则化解构造Morozov偏差方程.用小波变换估计图像信号的噪声能量,并运用到Morozov偏差方程中,利用Morozov偏差原理迭代求取正则参数,从而得到正则化解.提出了一种具有噪声能量估计的偏差迭代图像复原正则化方法.实验表明:在图像信号噪声未知的情况下,该迭代方法的图像复原具有较快的计算收敛速度和较好的复原能力.     

一种改进的彩色图像去马赛克总变分模型

针对去马赛克总变分正则化模型的不足,提出了一种改进的彩色图像去马赛克总变分模型,将彩色图像的灰度化图像引入到传统彩色图像去马赛克总变分正则化模型中,利用原始对偶不动点算法求解该模型.数值实验结果表明了该模型和算法的有效性和优越性.     

基于小波变换的扩散滤波模型数值解的收敛性

证明了基于小波变换的扩散滤波模型数值解的收敛性.结果表明,如果假定该模型的弱解存在惟一并满足一些正则性假设,则用半隐迭代格式得到的数值解收敛到原方程的弱解.考虑到图像边缘的多尺度效应,该模型用小波变换模代替以往模型中的梯度模,在去噪的同时较好地保持了图像的边缘信息,并克服了经典去噪模型不能有效地除去图像边缘处噪声的弱点.该模型在医学图像处理中展现了良好的性能.     

基于小波域分类隐马尔可夫树模型的图像恢复

针对自然图像的非平稳特性和图像恢复中计算困难的问题,提出了一种基于小波域分类隐马尔可夫树(CHMT)模型的图像恢复算法.从图像恢复的贝叶斯框架出发,将CHMT模型作为自然图像小波域的先验知识,构造正则化约束进行图像恢复.该模型具有空间适应性,使建模更加精确.对恢复方程的求解,采用了分类简化的共轭梯度算法.实验结果表明,该算法具有较低的计算复杂度,能提高图像恢复峰值信噪比(PSNR).     

基于熵变分的图像去噪模型

针对传统Tikhonov正则化模型存在的不足,根据最大后验概率（MAP）和最大熵的理论,提出了一种基于熵变分的图像去噪模型。该模型利用图像像素点的梯度信息自适应的对带噪图像进行各向异性滤波处理,在去除噪声的同时有效保留了图像的边缘细节。采用变分法推导出了该模型对应的偏微分方程,最后结合梯度加权最速下降法和半点格式的数值迭代算法对方程进行求解。实验结果表明,该模型去噪后的图像比Tikhonov正则化模型具有更好的客观评价指标和主观视觉效果。     

稀疏正则化及其在医学图像复原中的应用

论文旨在对受模糊和噪声影响的医学图像进行恢复.极小化由保真项构成的能量泛函是图像恢复普遍采用的方法,然而由于该极小化模型的不适定性,对其添加适当的正则化项是必要的.利用医学图像梯度稀疏这一先验条件,对极小化模型添加l_q正则化项.l_q正则化项的添加保证了图像梯度的稀疏性,也使我们不得不求解一个非凸优化问题.利用交替迭代的半二次分裂算法实现对该非凸问题的求解,并给出了该算法的收敛性分析. Shepp-Logan影像模型和MRI图像的数值仿真实验验证了本文的相关理论.基于研究结果,l_(1/2)正则化方法对梯度分布稀疏的医学图像具有良好的降噪与去模糊效果.     

基于PDE的图像放大方法研究

对基于微分方程(partial differential equation,PDE)的图像放大方法的实现及应用效果进行了比对研究.具体实现了朱宁等人的线性PDE图像放大方法和基于P-M方程的非线性PDE图像放大方法.实验结果表明,线性PDE图像放大方法在平滑区域具有较好的放大效果;而在放大倍数不大的情况下,非线性PDE图像放大方法能更好地处理边缘区域.     

Haar小波的离散化消噪方法及其应用

介绍一种Haar小波离散化消噪方法,并应用该方法进行信号和图像消噪处理.首先将信号或图像用该方法实现计算机的离散化抽样取点,然后结合小波阈值方对含噪信号或图像用Haar小波作消噪处理,并进行离散平滑,实现连续小波离散化处理.该方法对信号和图像的消噪处理的效果好,具有广泛应用的价值.     

基于偏微分方程的图像正则化恢复算法

总结了作用于数字图像的基于偏微分方程的正则化方法,确定了一个基于迹的方程的一般形式,统一了不同的正则化方法的标准,在此基础上提出一对新的图像平滑函数.用该函数处理噪声图像,在噪声消除的同时能保持良好边缘,且避免了原PDE算法处理图像时常出现的块效应.     

图像恢复的正则化混合WGMRES算法

基于GMRES算法在处理大规模线性系统的优势,提出了一种图像恢复的正则化混合WGMRES算法。该方法是将加权的GMRES算法与正则化技术结合起来应用于图像恢复问题,首先建立一个特定的图像退化模型方程,在此基础上结合Tikhonov正则化技术将方程转化为一适定问题,然后利用改进的加权GMRES算法进行求解。数值试验结果表明改进算法复原后的图像较于标准GMRES算法复原后的图像在整体视觉效果上和峰值信噪比上都有很大提高。