范立静，王 聪

（河海大学 理学院，江苏 南京 211100）

数据驱动紧框架在灰色图像去噪中的应用

范立静，王 聪

（河海大学 理学院，江苏 南京 211100）

针对去除灰色图像中的泊松噪声从而进一步进行图像分析的目的，采用了基于数据驱动紧框架的含泊松噪声的图像去噪变分模型，并通过了重新赋权的分裂Bregman算法解该模型。结合Matlab仿真实验以及PSNR指标对该算法的图像去噪效果进行评估，评估结果表明该算法可行、有效。

数据驱动紧框架；泊松噪声；图像去噪；分裂Bregman算法

图像去噪是图像处理中的基本问题之一。现如今，已经存在了大量的算法能够解决含高斯噪声的图像去噪问题。但是，含泊松噪声的图像去噪问题依然很少被研究。泊松噪声，一般会在由数量少的光子产生的图像中观察到，例如荧光显微镜检查、发射X线体层照相术等等。

最近十多年来，对于去除灰色图像中泊松噪声的研究取得了一定进展。例如，Csiszár[1]最早提出了Kullback-Leibler（KL）-divergence保真项用于去除灰色图像中的泊松噪声。Luisier等[2]在小波变换中构造了一个SURE估计量用于泊松噪声的去除。Gong等[3]提出了一个l1+l2保真项去除泊松噪声及一切未知噪声。最近，Zhang等学者[4-5]使用重新赋权的l2方法逼近KL-divergence保真项，从而实现了去除泊松噪声的目的。

由图像去噪模型的发展历程来看，变分模型在图像去噪中的应用是最广的。最常用的一种变分模型是 Rudin-Osher-Fatemi（ROF）模型[6]。 ROF 在具有分段时长的图像去噪如二进制图像（文本和条码）时十分有效。在ROF模型被提出之后，许多学者又衍生出了许多其他类型的变分模型[7-12]。……