各向异性全变分图像去噪算法

图像去噪是图像复原问题中的重要研究内容之一,在此过程中图像的高频部分易受到破坏。针对这一情况,通过引入不同的权重参数惩罚x与y方向上的梯度算子,提出修正的各向异性全变分去噪模型。引入的权重参数具有局部自适应性,可以使模型对应欧拉方程在图像切线与法向方向的扩散具有更鲁棒的各向异性扩散能力,可以达到保护图像细节的目的。另外,提出的模型是具有可分裂结构的非光滑凸优化问题,采用算子分裂技术将其转化为多个易求解的子问题,并在交替方向乘子法的框架下求解,从而保证了算法在理论上的收敛性。与现阶段其他变分型的复原模型相比,所提出的模型在有效抑制噪声的同时能有效地保持图像的局部结构特征。对于分块效果明显,噪声水平较低的图像去噪结果十分显著;对于分块效果不明显,图像细节较多的图像,该模型依然有效。     

一类时滞细胞神经网络的全局指数稳定性

通过建立Lyapunov函数,并利用Young不等式,讨论了一类变时滞细胞神经网络的全局指数稳定性,获得了与时滞无关的判定条件.这些结论推广了现有文献中的一些结果,并给出了几个例子来说明这些结论的实用性和普适性.     

基于四阶偏微分方程的乘性噪声去除模型

基于二阶偏微分方程(PDE)在复原图像时会产生阶梯现象,而高阶PDE能够很好地克服这一缺陷,提出了一个针对乘性噪声去除的四阶PDE模型.为了求解该模型,建立了一个交替最小值算法,并通过数值试验验证了该算法的有效性.     

基于全变分正则化的双侧约束图像去模糊问题

针对经典的图像去模糊问题,提出用交替Bregman方法求解双侧约束变分正则化图像去模糊问题.该算法通过引入辅助变量将初始问题转化为求解几个子优化问题,然后采用交替方向法进行快速求解.实验结果表明,对于不同程度的高斯模糊和噪声,该模型和算法都能够得到有效地恢复结果.