APP下载

自适应的L1-L2范数正则化图像去噪方法

2016-09-07豆泽阳毕翔曹宝杰

关键词:方法模型

豆泽阳,毕翔,曹宝杰

(中国传媒大学理工学部理学院,北京,100024)



自适应的L1-L2范数正则化图像去噪方法

豆泽阳,毕翔,曹宝杰

(中国传媒大学理工学部理学院,北京,100024)

提出了一种自适应的L1-L2范数正则化图像去噪方法。相比传统的L1范数正则化与L2范数正则化,新方法有效消除了阶梯效应,同时较好的保持了图像边缘信息。为了提高计算效率,将Split Bregman算法框架应用到提出的模型中,有效的提升了收敛速率并减少了计算时间。实验结果与分析验证了L1-L2范数正则化模型在图像去噪效果与计算效率的有效性。

图像去噪;自适应;L1-L2 正则化;Split Bregman迭代

1 引言

图像去噪是一个重要的研究课题。噪声对于图像的输入、采集、处理都会产生较大的影响。去除噪声对于提高图像视觉质量,提供更精确的纹理细节信息有着重要意义。目前常用的图像去噪方法有L2范数正则化(Tikhonov正则化)去噪[1]与L1范数正则化(TV正则化)去噪[2],然而两种方法均有缺陷:L2范数正则化无法较好的恢复图像边缘[3],而L1范数正则化虽然可以保持边缘,但是会出现阶梯效应,使图像产生虚假边缘,视觉效果不真实[4]。 为了解决L1范数正则化带来的阶梯效应,台雪成[5]等人提出了使用四阶偏微分方程来处理图像。但四阶偏微分方程会过度平滑图像的边缘,使得图像看起来较为模糊;Blomgren[6]等人提出了使用三阶多项式插值将L1范数与L2范数结合在一起,组成一种新的自适应的L1-L2范数正则化项,然而在三次多项式插值模型在每次迭代中都要重新计算插值多项式的系数,拖慢了计算效率。……

登录APP查看全文

猜你喜欢

方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
学习方法
3D打印中的模型分割与打包
用对方法才能瘦
FLUKA几何模型到CAD几何模型转换方法初步研究
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼
一个相似模型的应用