自适应全变分图像去噪模型及其快速求解
张量分解和自适应图全变分的高光谱图像去噪
张量分解和自适应图全变分的高光谱图像去噪蔡明娇;蒋俊正;蔡万源;周芳【期刊名称】《西安电子科技大学学报》【年(卷),期】2024(51)2【摘要】高光谱图像在采集过程中受到观测条件、成像仪材料属性、传输条件等客观因素的影响,不可避免地会引入各种噪声。
这严重降低了高光谱图像的质量以及限制了后续处理的精度。
因此,高光谱图像去噪是一个极其重要的预处理步骤。
针对高光谱图像去噪问题,提出了低秩张量分解和自适应图全变分的高光谱图像去噪算法。
首先,利用低秩张量分解来描述高光谱图像的全局空间和光谱相关性,并使用自适应权重图全变分来刻画高光谱图像空间维度上的分段平滑特性和保留高光谱图像的边缘信息;此外,采用l1-范数、Frobenius-范数分别刻画包括条纹噪声、脉冲噪声、死线噪声在内的稀疏噪声和高斯噪声。
由此高光谱图像去噪问题归结为一个包含低秩张量分解和自适应图全变分的约束优化问题。
利用增广拉格朗日乘子法对该优化问题进行交替求解。
实验结果表明,所提出的高光谱图像去噪算法与现有的算法相比,能够充分刻画高光谱图像数据的内在结构特性,具有更好的去噪性能。
【总页数】13页(P157-169)【作者】蔡明娇;蒋俊正;蔡万源;周芳【作者单位】桂林电子科技大学信息与通信学院;桂林电子科技大学卫星导航定位与位置服务国家地方联合工程研究中心;桂林电子科技大学广西无线宽带通信与信号处理重点实验室【正文语种】中文【中图分类】TP751【相关文献】1.一种融合结构张量与非局域全变分的图像去噪方法2.基于二维变分模态分解和自适应中值滤波的图像去噪方法3.基于非凸低秩矩阵逼近和全变分正则化的高光谱图像去噪4.基于二维变分模态分解与自适应分数阶积分的图像去噪方法5.基于全变分加权差正则的高光谱图像去噪算法因版权原因，仅展示原文概要，查看原文内容请购买。
2013350 一种基于总体变分的自适应图像去噪方法
一种基于总体变分的自适应图像去噪方法摘要：建立了总体变分自适应图像去噪模型，并给出了其非线性各向异性扩散方程的数值解法，该方法采用高斯滤波器对噪声图像进行预处理，并利用图像每个像素的梯度信息，使其扩散方程在沿边缘方向上具有较大的扩散系数，而在垂直边缘的方向上具有较小的扩散系数。
因此，总体变分自适应图像去噪方法不但能抑制噪声，还能很好地保持图像的边缘和纹理特征。
图像去噪仿真实验表明，该方法的降噪效果明显优于总体变分去噪方法和中值滤波、维纳滤波等传统方法。
关键词：偏微分方程；总体变分；图像去噪；自适应；梯度 中图分类号：TP751 文献标识码：AAn Adaptive Image Noise Removal Method Based on Total VariationAbstract: This paper illustrates an adaptive image noise removal method based on total variation and provides the numerical solution for the nonlinear anisotropic diffuse equation. This method uses a Gaussian filter for noised images preprocessing and the gradient of every pixel is used in the diffuse equation, which has a bigger diffuse coefficient along the direction of image edges and a smaller one on vertical directions against image edges. Therefore, the adaptive image denoising method based on total variation, achieves noise restriction and detail preservation simultaneously. Image noise removal simulated results show that the performance of this method is obviously better than the total variation denoising method and traditional smooth methods such as median filtering, Wiener filtering and so on.Key words: Partial Differential Equation(PDE); Total Variation; Image Noise Removal; Adaptive; Gradient1 引言图像去噪是图像处理领域的一个重要问题，其关键在于去除噪声的同时能保持图像的边缘和纹理等细节特征。
一种改进的全变分自适应图像去噪模型
p(| u| )
从方程中可以看出 , 扩散系数为 1 / | u |。 在 边缘处 , | u | 较大 , 扩散系数较小 , 因此在边缘区 扩散速度很慢 , 从而保留了边缘 ; 在平滑区 , | u | 较小 ,扩散系数较大 , 因此在平滑区扩散速度较快 , 从而去除了噪声 。但是 , 该模型不符合图像形态学 ( stair2 原则 ,其稳态解的平滑区往往会产生“ 阶梯 ” case )效应 。
滑、 自然 ,人眼视觉效果有很大改善 ,M SE 值降低了 约 35, PSNR 提高了约 2变分去噪模 型 ,该模型综合利用各向同性扩散模型和 TV 模型 的优点 ,引入两个门限 , 小于门限 β 1 的梯度模值的 点采用各向同性扩散模型 , 大于门限 β 2 的梯度模值 的点采用 TV 模型 , 梯度模值在两个门限之间的采 用自适应模型 。实验结果表明 : 本模型的 M SE 和 PSNR 值较其他模型好 , 有效地去除了阶梯效应 , 人 眼主观视觉感受也有较大改善 。
u ) 系数为 1,
度模值较小时 , 即平滑区 , p接近于 2, 为各向同性扩 散模型 , 能有效去除噪声 。
2 改进自适应模型
自适应模型与 TV 模型相比 , 能有效减缓阶梯效 应 , 但在噪声较大情况下 , 阶梯效应仍然较为明显 。 为了进一步减少阶梯效应 , 本文对自适应模型进行 了如下改进 , 选择如下的自适应插值函数 :
1 2
。
1 变分图像去噪模型
令 f ( x, y ) 表示理想图像 , n为加性噪声 , u0 为退 化图像 , u 为待求去噪图像 , 则有 ( 1) u0 = f + n。 目前 , 国内外提出了很多变分图像去噪的模型 , 大致可分为 3 类 。
PCB图像的自适应全变分去噪算法
PCB图像的自适应全变分去噪算法余丽红;曹蕾;柳贵东;杨新盛;黄东升【摘要】为了提高印刷电路板(PCB)图像的去噪效果,提出了一种基于先验信息的PCB图像自适应去噪算法.首先,采用非局部均值滤波算法对模糊的PCB图像进行滤波以减少图像噪声,并提取去噪后的图像先验信息.其次,在全变分算法的基础上,设计基于先验信息的自适应正则化参数.最后,利用迭代正则化算法快速得到最优的去噪图像.实验结果和数据分析证实了所提算法的有效性.与原有算法相比,所提算法能够得到视觉效果更好的去噪图像,信噪比也比原有方法提高至少0.5dB,结构相似度指标也有相应的提升.【期刊名称】《红外技术》【年(卷),期】2018(040)009【总页数】6页(P875-880)【关键词】图像去噪;全变分;非局部均值滤波;自适应去噪【作者】余丽红;曹蕾;柳贵东;杨新盛;黄东升【作者单位】广东白云学院电气与信息工程学院,广州广东510450;广东白云学院电气与信息工程学院,广州广东510450;广东白云学院电气与信息工程学院,广州广东510450;广东白云学院电气与信息工程学院,广州广东510450;广东白云学院电气与信息工程学院,广州广东510450【正文语种】中文【中图分类】TP751.1印刷电路板（Printed Circuit Board，PCB）检测在PCB生产过程中起到至关重要的作用[1]。
在基于自动光学检测（Automatic Optic Inspection，AOI）的PCB检测系统中，机器通过摄像头自动扫描采集PCB图像。
由于受外界环境和采集设备等因素影响，所采集的PCB图像难免会出现噪声与模糊现象[2]，会给图像观测、特征提取和分析带来干扰。
在对PCB图像进行边缘检测、分割、特征提取与识别前，必须先对图像进行去噪、以提高PCB检测的有效性。
1992年，Rudin、Osher和Fatemi[3]首次提出全变分（Total Variation，TV）去噪算法，该算法在图像去噪领域得到了广泛的关注。
SAR 图像去噪的分数阶多尺度变分PDE 模型及自适应算法
在灰度变化不大的区域容易产生“阶梯效应”。 针对SAR图像去噪中的纹理保持及 “阶梯效应” 抑制，本文利用分数阶导数和负指数Sobolev空间建 模，提出一种新的分数阶多尺度SAR图像去噪变分 PDE模型，并利用图像局部方差等统计特征以及小 波分解后的小波系数与函数正则性之间的关系给出 了模型参数自适应选择方法，在此基础上提出了自 适应去噪算法。理论分析和实验表明，这种新的方 法可以在图像的非纹理区域有效去除噪声及抑制 “阶梯效应” ，在图像的边缘、纹理区域可以较好地 保持图像的边缘和纹理。
Fractional-Order Multi-scale Variation PDE Model and Adaptive Algorithm for SAR Image Denoising
Zhang Jun
① ② ①
Wei Zhi-hui
②
(School of Science, Nanjing University of Science and Technology, Nanjing 210094, China)
j =0 L
(2) 其中 | D αu |= (Dxαu )2 + (Dyαu )2 ，Dxαu 和 Dyαu 分别为 u 关于 x 和 y 的 α 阶偏导数。特别地，当 α = 1 时， 式(2)就是 AA 模型。利用变分法，可得到式(2)的 Euler-Lagrange 方程为 f −u u ⋅ H α (u ) − λ ⋅ =0 (3) u α α 其 中 H α (u ) = (−1)α [Dxα (Dxαu / | D αu |) + Dy (Dx u/ α α α [5] | D u |)] ， D 为分数阶导数算子 D 的共轭算子 。 已有研究表明负指数 Sobolev 空间有利于对图 像纹理的建模[6]。在式(3)中， (f − u )/ u 实际包含了 图像的噪声及纹理，由于纹理是具有多尺度的，因 此本文考虑用不同的负指数 Sobolev 空间对纹理的 不同尺度部分进行建模。首先利用正交小波分解与 重构， 得到 λ(f − u )/ u 在不同尺度下的子图像 [λ( f − u )/ u ]j ， j = 0,1,2, ", L ，然后用负指数 Sobolev 空 −s 间 H j 对各尺度子图像进行建模。根据 Sobolev 空 间的多尺度分析[7]，可将式(3)改进为下面的分数阶 多尺度变分 PDE 模型： L −2 js ⎡ λ( f − u ) ⎤ ⎥ =0 u ⋅ H α (u ) − ∑ 2 j ⎢ (4) u ⎣⎢ ⎦⎥ j j =0 其中 0 ≤ s j ≤ 1 , j = 0,1, 2, ", L 为各尺度对应的负指 −s 数 Sobolev 空间 H j 的空间参数。 引入时间变量，设初值为 u(x , y; 0) = f (x , y ) ，利 用梯度下降法将式(4)的求解转化为求解下面的偏微 分方程： L f −u⎞ ∂u −2 js ⎛ ⎟ = −u ⋅ H α (u ) + ∑ 2 j ⎜ λ⋅ (5) ⎟ ⎜ ⎟ ⎝ u ⎠ ∂t j j =0
全变分自适应图像去噪模型
全变分自适应图像去噪模型张红英;彭启琮【摘要】通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型) 的优缺点,提出了一种基于全变分的自适应图像去噪模型.该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x, y),使接近边缘处平滑较弱,远离边缘处平滑较强.数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右.【期刊名称】《光电工程》【年(卷),期】2006(033)003【总页数】4页(P50-53)【关键词】图像去噪;图像复原;全变分模型;自适应去噪【作者】张红英;彭启琮【作者单位】电子科技大学,通信与信息工程学院,四川,成都,610054;电子科技大学,通信与信息工程学院,四川,成都,610054【正文语种】中文【中图分类】工业技术第 3 3 卷第 3 期光电工程V 01.3 3 , N o.32 0 0 6 年 3 月 Op t o - El e ctr o nic E n gi n e e ri n g Ma r c h , 2 0 0 6 =j 口 I j = = = % l _ = E = # t= = = =日；= = { = z % _ = _ = = = ≈ ‘ E = = = = l l _ _ E = = ≈ E 。
= = = { 日 j E ； { = j j = = = = = = ； = 一 E= t = 目 = E ； = % ；口 I = = = 日 _ d 一文童编号： 1 0 0 3- 5 0 1 X (2 0 0 6)0 3 - 0 0 5 0 - 0 4全变分自适应图像去噪模型张红英，彭启琮（电子科技大学通信与信息工程学院，四川成都 6 1 0 0 5 4 ）摘要：通过分析三种主要变分去噪模型（调和、全变分以及广义全变分模型）的优缺点，提出了一种基于全变分的自适应图像去噪模型。
图像去噪的改进自适应全变差正则化模型
图像 去 噪 是 图 像 处 理 领 域 中一 个 重 要 的分 支， 它是 图像 分割 、 特征 提取 与 目标识 别等 图像处
１ 自适 应 全控制 Ａ Ｖ模 型 的图像去 噪 Ｔ 过程 ， 并对其梯 度下 降流 方程 进行 了改进 ， 提高 了 模 型在图像 去噪 中的稳定性 。
１
ｇ
， １、 ｊ
式 中， ＞ ） Ｇ （ ０ 为高斯 滤波器 。
用 高斯滤 波器 对 图像 进 行 预处 理 ， 目的是 其
使其 在 平 滑 区产 生 阶梯 效 应 ＿ 。虽 然 基 于 范 】 Ｊ 数 的调 和模 型能 有 效地 去 除 噪声 ， 图像 的边 缘 但
易模糊 Ｊ Ｏ Ｇ等在 Ｔ 模 型 与调 和 模 型 的基 。Ｓ Ｎ Ｖ 础上提 出了 Ｌ （ ≤ｐ ） ｐ １ ≤２ 范数空 问下 的广 义 Ｔ ｖ模
摘
要 ： 对 经 典 全 变 差 Ｗ￣ 化模 型在 去 噪 时 图 像 边 缘 易 模 糊 的不 足 ， 全 变 差 正 则 化 模 型 与 调 和去 噪模 型 针 ， Ｊ ｌ 在
的基础上构建 了一种改进 的 自适应全变差正 则化模型 ， 并利用 旋转不变性 更好 的梯 度模值确定 其 自适应参 数， 降低该 自适应正则化模 型对 噪声 的敏感性 ， 以兼顾 图像 的平滑 去噪与边缘保 留。数值 实验结果表 明 ， 与 Ｍ Ｒ ＵＮ Ａ Ｑ ＩＡ的改进全变差正则化模型相比 ， 自适应全 变差正则 化模型 的复原 图像在 视觉效果 和峰值信 噪比 上都有 显著提高 。 关键词 ： 全变差正则 化 ； 图像去噪 ；自适应 ； 峰值信噪 比
改进的自适应广义整体变分图像降噪模型
改进的自适应广义整体变分图像降噪模型
高雷阜;李超
【期刊名称】《计算机应用》
【年(卷),期】2016(036)006
【摘要】针对自适应广义整体变分(AGTV)图像降噪模型对图像边缘信息定位精度不高及提取不足的问题,为提高图像降噪效果和峰值信噪比,提出了改进的AGTV (IAGTV)图像降噪模型.一方面,该算法换用精度更高的梯度计算方法,相对于AGTV 更精确地定位图像边缘;另一方面,为优化图像预处理的滤波过程,用高斯-拉普拉斯联合变换替代高斯平滑滤波,更有利于检测图像边缘信息,在实现降噪的同时防止边缘信息弱化.数值仿真实验得出,IAGTV模型的复原图像峰值信噪比相对于固定p值的GTV模型提高了大约1.0dB,比AGTV模型提高了至少0.2dB.实验结果表明IAGTV具有良好的图像降噪能力.
【总页数】6页(P1699-1703,1750)
【作者】高雷阜;李超
【作者单位】辽宁工程技术大学理学院,辽宁阜新 123000;辽宁工程技术大学理学院,辽宁阜新 123000
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于广义变分模型的自适应图像去噪算法 [J], 王益艳
2.PDE变分模型的自动图像降噪和复原 [J], 江凤莲
3.一种改进的全变分自适应图像去噪模型 [J], 侯榆青;张欢;史晶;张玲艳
4.倾斜影像整体变分模型阴影检测算法改进 [J], 闫利;莫楠;费亮;朱睿希
5.改进的二阶总广义变分图像前后景分割模型 [J], 孔晓然;朱华平
因版权原因，仅展示原文概要，查看原文内容请购买。
基于滤波器的局部自适应全变分图像去噪模型
基于滤波器的局部自适应全变分图像去噪模型史宝丽;何泊;王治国;庞志峰【摘要】综合利用冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理,然后基于边缘检测函数建立反映图像局部特征的自适应权函数,构建能同时兼顾图像平滑去噪与边缘保留的局部自适应性的全变分模型,并建议用本原对偶算法快速求解.实验结果表明,同传统的全变分图像去噪模型相比,该局部自适应全变分模型在消除噪声的同时能很好地保持图像的边缘轮廓和纹理等细节特征,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高.【期刊名称】《计算机工程与应用》【年(卷),期】2016(052)004【总页数】5页(P158-162)【关键词】图像去噪;自适应权函数;全变分模型;本原对偶算法【作者】史宝丽;何泊;王治国;庞志峰【作者单位】河南大学数学与信息科学学院,河南开封475004;河南大学数学与信息科学学院,河南开封475004;河南大学数学与信息科学学院,河南开封475004;河南大学数学与信息科学学院,河南开封475004【正文语种】中文【中图分类】TP391.4SHI Baoli,HE Bo,WANG Zhiguo,et al.Computer Engineering and Applications,2016,52（4）：158-162.在数字图像处理中，图像获取或传输的过程通常受到噪声的干扰，这会导致图像的后期处理（如：分割、特征提取和目标识别等）非常困难，因此有效地去除图像中的噪声是该领域内的一个重要研究课题。
然而，由于先验信息的缺乏，图像的去噪问题经常是不适定的病态问题，因此基于变分PDE的图像去噪模型在最近几十年得到了广泛的关注。
基于能量泛函的正则化模型是缓解病态问题的经典方法之一，该模型通常由正则项和拟合项两部分组成，其中最经典是由Rudin等人[1]提出的全变分模型（ROF模型）：其中Ω为图像空间，f为噪声图像，u为待复原的图像，λ＞0为正则化参数，表示L2范数。
基于改进的自适应全变差模型的图像去噪算法
ｄ ｎｏｓｎｇｍ ｏ ｅ ａ ｒ ｓ ｎｔｄ ｉ ｈｉ ｐ ｒ Ｔｈ ｏ ｌ ａ ｕｏｍａ ｉａｌ ｅｅ ｔ ｈ ｅ ｉｉｇ ｆ ｍ ｏ ｌ ａ ｈ ｄ ｅ ｏ ｅ ｉｉ ｄ ｌ ｓｐ ｅ ｅ ｅ ｎ ｔ ｓｐａ ｅ ． ｅｍ ｄｅ ｎ ａ ｔ ｗ ｃ ｔｃ ｌｙ ｓ ｌｃ ｅｄ ｎｏｓ Ｖ ｄｅ ｒｔｅｅ ｇ ｓｔ ｔ ｎ ｎｅ ｋ ｃ ｄｇ ｅｔｒ ａ ｅ ｅ ｔａｓ ｏ ｈ ｏ ｅ ｗ ａ ｒ ｍ ｅｅ ｅ ， ｍ ｅ ｎ ｈ ｌ ｋ ｎ ｏｎ ｔａｎｔ ｏｔ ｅｐ ｉ ｐｒａｄｆ ｃ ｃ ｐｅ ｅｂ ｔ ， ｎｄｓ ｌｃ ｍ ｏｔ ｍ ｄ ｌａ ｙｆｏ ｔ ｄｇ ｓ ｅ ｈ ａ ｗ ｉｅｍａ ｉ ｇ ｃ ｓｒ ｉ ｓｔ ｏｎｔ ｅ ｕｎ 。 ｈ ｓ
．
Ａ ｂ ｔ ｃ ： Ｏｎ ａ ｃ ｕ ｆｔｅ ｄ ｆｃ ｅ ｉｓｏ ｓｒａ ｔ ｃ ｏ ｎｔｏ ｅ ｉｎｃｅ ｆＨ ｍ ｏ ｅ ｎ ｅＴＶ ｏ ｌｉ ｍａ ｅ ｌｓｏ ａ ｉｎ， ａ １ ｒｘｅ ｄ ｐ ｋｅＴＶ ｈ ｉ ｄ ｌａ ｄ ｔ ｈ ｍ ｄｅ ｎｉ ｇ ｅ ｔ ｒ ｔｏ 。 ｎ ｉ ｐｏ ｄ ａ ａ ｔ １ １
（ ｈｏ ｌｏ Ｓｃ ｏ ｆＯｐｔ ａ ｎｄＥｌ ｃｒ ｎ ｃＥｎｇｎｅ ｉｇ・ ａ ｇ ｈ ｉ ｌ ｃ ａ ｅ ｔｏ ｉ ｉ ￣－ ｎ Ｃｈ ｎ ｃ ｕｎＵｎｉｅｓｔ ｏ ｖ ｒｉｙ ｆＳｃｅ ｃ ｎ ＇ｃ ｎ ｏ ｉｎ ｅａ ｄ ｌ ｈ ｏｌｇｙ・ ａ ｃ ｎ １ ０ ２） ｅ Ｃｈ ｎｇ ｈｕ ３ ０２
图像 恢复又称 图像复 Ｊ 泉，是指去 除或减 轻在狭 取图像 过程 中发生图像降质 。引起 图像 质量 下降的 ｌ素是多方面 的，例如 ：光学 系统 固有缺 陷（ 大 Ｉ 色散、 像著等） 、成像环境（ 大气湍 流的影响） 、传感 器带来 的随机噪声等 。 像降质模型 ‘‘ 般表达武 为：
基于自适应算法的图像去噪技术研究
基于自适应算法的图像去噪技术研究随着摄影技术的不断发展，我们拍摄的照片越来越清晰、色彩也越来越丰富。
但是，图像中经常会出现各种噪点，例如拍摄夜景时的背景噪音、高ISO值导致的色彩噪点等。
这些噪点破坏了图像的美感和信息量，因此消除图像噪点的技术是非常重要的。
传统的图像去噪技术主要包括均值滤波、中值滤波等方法。
这些方法简单易懂，但是结果并不理想，还容易产生其它的问题，例如模糊图像细节、边缘模糊等。
因此，研究基于自适应算法的去噪技术成为近年来的热门方向。
基于自适应算法的去噪技术通常分为两种主流方法，一种是基于偏微分方程(PDE)的方法，另一种是基于稀疏表示的方法。
基于PDE的方法通过推导偏微分方程来描述图像中的噪点分布和信号分布，然后通过求解偏微分方程来消除图像中的噪点。
这种方法的优点在于可以很好地保留图像的细节信息，但是对于复杂的噪点分布来说，偏微分方程的求解较为困难，而且对于大型图像需要耗费较长的计算时间。
基于稀疏表示的方法则利用了图像的稀疏性质，将图像表示为稀疏系数矩阵和原子矩阵之积的形式。
通过选择合适的原子矩阵和最小化稀疏系数矩阵的办法，可以准确地表示原始图像，并消除噪点。
这种方法的优点在于能够精确地分离出噪点和图像结构，并还原图像中的细节信息，但是需要对图像进行异构块匹配等复杂的计算操作。
对于实际应用中的图像去噪问题，通常需要综合以上两种方法的优点，采用多种算法相结合的方法，或者根据噪点分布情况选择合适的算法。
同时，很多深度学习算法也被应用到图像去噪中，提高了去噪的效果。
总的来说，基于自适应算法的图像去噪技术正在成为图像处理领域的重要研究方向。
在未来，我们可以期待这个领域的进一步发展和突破，为更好地消除图像噪点、保留图像细节做出贡献。
综合热扩散和全变分模型的自适应图像去噪模型
综合热扩散和全变分模型的自适应图像去噪模型图妮萨古丽•达伍提;吐尔洪江•阿布都克力木;阿丽亚•玉山【期刊名称】《科技视界》【年(卷),期】2015(000)028【摘要】讨论了各向同性热扩散(TD)方程模型和各向异性全变分扩散(TV)方程模型对图像去噪的影响。
在此基础上提出了一个改进的自适应混合模型，所提出的模型根据图像的信息能够自适应每个区域。
该模型进行扩散图像的更加平坦区域，而较少的扩散在图像的边缘，得到了较好的去噪效果，同时保持边缘。
比较了这三个模型对图像去噪的效果。
数值实验结果表明，改进的自适应混合模型具有更好的去噪效果。
%The paper mainly discussed the influence of the TD (isotropic) and TV (anisotropic) equation models on image denoising. And on the basis of this research ,the paper proposes an improved model, named adaptive hybrid model .The newly proposed model can be adapt to each area according to the information of image. The model diffusesthe smooth areas of the image, but diffuses less on the edge of the image, for which it reaches to better effect of denoising. And maintain the edge in the meantime. After comparing the three kinds of with each other, the numerical results of the experiment indicates that, the improved adaptive hybrid model has better effect of denoising.【总页数】2页(P35-36)【作者】图妮萨古丽•达伍提;吐尔洪江•阿布都克力木;阿丽亚•玉山【作者单位】新疆师范大学数学科学学院，新疆乌鲁木齐830054;新疆师范大学数学科学学院，新疆乌鲁木齐830054;新疆师范大学数学科学学院，新疆乌鲁木齐830054【正文语种】中文【相关文献】1.基于边缘检测的全变分模型红外图像去噪 [J], 许帆2.基于增强高阶非凸全变分模型的图像去噪算法 [J], 刘佩; 贾建; 陈莉; 安影3.基于小波阈值和全变分模型的图像去噪 [J], 张弘; 周晓莉4.一种基于卷积运算与全变分模型的图像去噪方法 [J], 呼亚萍;孔韦韦;黄翠玲;李萌5.基于边缘检测全变分模型的图像去噪方法 [J], 呼亚萍;孔韦韦;李萌;黄翠玲因版权原因，仅展示原文概要，查看原文内容请购买。
图像平滑的自适应保真全变分模型
本 文 提 出 一种 目适 应 保 冥全 变 分 图像 平 滑 模 型 ：
ｍ Ｅ ）ｇ Ｉ（Ｙ Ｍ）ｄ＋ （＝（ｙ ｔ， ｘ ｉ “ ｔ）妒 ｖ ｄｙ ｎ Ｉ
ｆ －０ Ｕ蛐 Ｕ ｆ
其 中，‰是得到的观察 图像 ； 为常参数 ，且
（ ２ ）
在 图像平滑过程中，研究者提出许多全变分方法 Ｊ 。Байду номын сангаас 典 的图像全变分平滑模型是基于 范数的模型…，此模 型实 质上就是各 向同性扩散模型 。该方法能有效地去除噪声 ，但 使得图像的边缘变得模糊。文献【】 出一种全变分的图像平 ２提 滑方法 。该方法实质上就是各向异性扩散 ，它能在去噪的同 时很 好 地保 持 图像 的边 缘 。 该 模 型 有 时会 将 噪 声作 为边 缘 ， 但 使其在平滑区域产生“ 阶梯” 效应 。 文献［］ 出一种基于 Ｌ ， ３提 Ｐ ０ ＜Ｐ＜ 范数 的广义 的全变分去噪模 型， １ 该模型能克服假边缘
ｓ ｈ ｍｅ ｃ ｅ ．Ｔ ｓ ｈｉ ｍｏ ｅ ｅ ｏ ｅ ｏ ｓ ｓ ｉ ｈ ｙ ｎ ｅ ａｎ ｈ ｒ ｄ ｅ ｔ ｏ ｔ ｅ ｈｉ ｉ ｎ ｔ ｉｃ ｓｎ ．Ｅｘ ｅ ｍｅ ｔ ｌ ｒ ｓ ｌｓ ｈ ｗ ｈ ｓ ｄ ｌ ｒ ｍ ｖ ｓ ｎ ｉｅ ｈ ｇ ｌ ａ ｄ ｒ ｔ ｉ ｓ ｓ ａ ｐ ｅ ｇ ｓ ｗｉ ｕ ｘ ｂ ｔ ｇ ｓａ ｒ ａ ｉ ｇ ｈ ｉ ｐ ｒ ｉ ｎ ａ ｅ ｕ ｔ ｓ ｏ ｔ ｉ ｍｏ ｅ ｓ ｄ ｌ ｉ ｓ ｃ ｅ ｓ ｆ ｌ ｎ ｏ ｅ ｃ ｍｉ ｇ ｓａ ｒ ａ ｉｇ ａ ｄ ｅ ｃｅ ｔ ｅ ｕ ｃ ｅ ｓ ｕ ｖ ｒ ｏ ｎ ｔ ｉ ｓｎ ｎ ｆ ｉ ｎ ｌ ｒ ｍｏｖ ｎ ｏ ｓ ， ｎ ｈ ＮＲ ｉ ｈ ｇ ． ｉ ｃ ｉ ｙ ｉ ｇ ｎ ｉ ｅ ａ ｄ ｔ ｅ ＰＳ ｓ ｉ ｈ
基于自适应核回归的全变分图像噪声消除方法[发明专利]
![基于自适应核回归的全变分图像噪声消除方法[发明专利]](https://img.taocdn.com/s3/m/9d997314f90f76c660371a36.png)
专利名称：基于自适应核回归的全变分图像噪声消除方法专利类型：发明专利
发明人：赖睿,莫一过,肖鹤玲,徐昆然,官俊涛
申请号：CN201810110225.0
申请日：20180205
公开号：CN108510449A
公开日：
20180907
专利内容由知识产权出版社提供
摘要：本发明公开了一种结合自适应核回归和双边全变分图像噪声消除方法，主要解决现有技术在较强噪声环境下不能有效保持图像细节信息的问题。
其实现步骤是：1.获取污染图像，并用污染图像初始化第1次迭代的去噪图像；2.设置最大迭代次数N；3.计算第t次迭代图像的核回归权值；4.构建第t次迭代图像的结合自适应核回归和双边全变分的正则项，并组成能量泛函；5.计算正则项对迭代图像的导数；6.采用最陡下降法求解能量泛函最小化问题，获得第t+1次迭代的去噪图像；7.重复步骤3至步骤6，直至迭代次数达到N次，输出去噪后图像。
本发明能保持更好的目标图像纹理、更丰富的细节特性及更好的视觉效果，可用于数字图像的预处理。
申请人：西安电子科技大学
地址：710071 陕西省西安市雁塔区太白南路2号
国籍：CN
代理机构：陕西电子工业专利中心
更多信息请下载全文后查看。
基于曲率差分的自适应全变分去噪算法
基于曲率差分的自适应全变分去噪算法摘要基于梯度的图像去噪算法依赖于正则项诸如Rudin 以及其他人创立的全变分模型，简称TV 模型。
这种TV 模型易受到梯度的影响而且常常会丢失图像的细节信息。
为了克服这种缺点，这篇文章给出了一种基于曲率差分的自适应新的边缘指标的自适应全变分去噪算法。
这种全变分去噪算法模型能很好的区分边缘个斜坡噪声。
对于正则项和保真项，这种新的模型具有以下的性能：在目标图像边缘，正则项近似于TV 模型的正则项以保护边缘，并且保真项的权重很大以保护图像细节；在平滑区和过渡区域，正则项接近于L2标准以避免梯度影响，为了强有力地去除噪声，此时保真项的权重很小。
把用这种处理后的图像和自然图像相比较很好地证明了新方法可以避免受到梯度影响并且保护了优良细节。
1.介绍在图像的获取和传输过程，不可避免地会发生图像的退化，而也许最根本的图像修复难题是去除噪声。
这就是构成机器视觉比如目标检测和识别工作中最重要第一步工作。
设计图像去噪算法模型时首要关心的便是在滤除噪声的同时保护图像的重要特征，比如边缘细节。
以变分法（1-4）和偏微分法（5-11）为基础的去噪模型在过去的十多年内被广泛的运用于保护图像边缘特征。
传统的变分法去噪方法是Rudin –Osher –Fatemi 发明的全变分最小化过程，简称ROF 模型。
ROF 模型在包含TV 模型规后的图像u 和被污染图像u0的保真项之间寻求能量最小化： 201(||())2TV E u u u dxdy λΩ=∇+-⎰ （1）在这里，Ω表示图像区间，0λ>是一个权重参变量，TV 规范||u Ω∇⎰是去除图像噪声 的正则项，20()u u Ω-⎰则是保真项。
尽管ROF 模型可以减少震荡并且没有任何坏处地规范不连续性几何级设置，它会产生一些在某些环境下不受欢迎的性能[12],比如产生梯度和丢失图像本质结构。
由于这些传统ROF 模式的的缺点，许多改进的全变分模型被提出来。
基于广义变分模型的自适应图像去噪算法
基于广义变分模型的自适应图像去噪算法王益艳【期刊名称】《计算机应用》【年(卷),期】2009(029)011【摘要】通过分析全变分(TV)去噪模型的优缺点,提出了一种新的改进算法.该算法根据最大后验概率(MAP)和马尔可夫随机场(MRF)的理论,推导出一个广义变分的图像去噪模型,并对平衡正则化项和数据保真项的Lagrange乘子λ进行了自适应改进,最后采用了一种鲁棒性好和边缘保持能力强的势函数,结合梯度加权最速下降法和半点格式的数值迭代算法对自适应的广义变分去噪模型寻优求解.实验结果表明,新模型能很好地应用于图像去噪,与现有的算法相比,在峰值信噪比有所提高的同时,图像的主观视觉效果也更好.%A new improved algorithm for image denoising was proposed by analyzing the Total Variational (TV) model. According to the viewpoint of Maximum A Posteriori ( MAP) and Markov Random Field ( MRF) theory, a generalized variational functional model was deduced. And the Lagrange multiplier A used for balancing the data fidelity term and regularized term was adaptively improved. An edge preserving potential function was adopted, which had good robustness to noises; finally an iterative algorithm was exploited to solve the energy functional combining weighted gradient descent flow and semi-point scheme. Experimental results show that the proposed model has good performance in image denoising. It is obviously superior to the conventional variational model in both visual effect and PSNR.【总页数】4页(P3033-3036)【作者】王益艳【作者单位】四川文理学院,物理与工程技术系,四川,达州,635000【正文语种】中文【中图分类】TP391.41【相关文献】1.基于变分理论的局部自适应高保真图像去噪算法 [J], 钱伟;刘谦;陈兰英2.SAR图像去噪的分数阶多尺度变分PDE模型及自适应算法 [J], 张军;韦志辉3.基于滤波器的局部自适应全变分图像去噪模型 [J], 史宝丽;何泊;王治国;庞志峰4.基于变分理论的局部自适应高保真图像去噪算法 [J], 钱伟;刘谦;陈兰英;5.基于广义全变分和小波阈值模型的图像去噪方法 [J], 杜渺勇; 周浩因版权原因，仅展示原文概要，查看原文内容请购买。
基于自适应全变差的B超图像快速去噪算法
基于自适应全变差的B超图像快速去噪算法
常璐璐;张化朋
【期刊名称】《南京邮电大学学报（自然科学版）》
【年(卷),期】2016(036)005
【摘要】研究了B超医学图像中的斑点噪声去除问题,提出了一个保持B超医学图像细节信息的凸自适应全变差新模型,证明了新模型解的存在唯一性,并且得出了关于该模型解的框式制约.在Split Bregman算法的基础上,提出基于框式制约的保持B超医学图像细节信息的快速算法.实验结果显示,文中的新方法在去除斑点噪声的同时很好地保存了图像的细节信息,缩短了去噪时间.
【总页数】6页(P50-55)
【作者】常璐璐;张化朋
【作者单位】南京邮电大学理学院,江苏南京210023;南京邮电大学理学院,江苏南京210023
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于框式约束的快速全变差图像泊松去噪算法 [J], 金正猛;杨燕
2.基于改进的自适应全变差模型的图像去噪算法 [J], 谢殿广;杨进华;申琳;李培平
3.基于L范数和自适应全变差的椒盐噪声图像去噪 [J], 何明
4.自适应广义全变差的图像泊松去噪算法 [J], 王洁;金正猛;冯灿
5.一种改进全变差正则化的Shearlet自适应带钢图像去噪算法 [J], 韩英莉
因版权原因，仅展示原文概要，查看原文内容请购买。
基于图像局部方向特性的自适应全变分去噪模型
基于图像局部方向特性的自适应全变分去噪模型
唐玲;陈明举
【期刊名称】《液晶与显示》
【年(卷),期】2016(031)005
【摘要】针对全变分模型(total variation,TV)以图像的梯度信息作为去噪的尺度参数,未考虑图像局部纹理的方向性的缺点,提出了一种基于图像局部方向特性的自适应全变分去噪模型(Adaptive directional total variation,ADTV),并推导出该模型的迭代数值求解过程.在该模型中,首先,计算出图像局部方向的角度矩阵.然后,构造与图像纹理方向一致的椭圆区域代替TV模型的圆形区域.最后,通过优化最小化算法迭代求解以获得去噪后图像.通过对比实验证明,本文提出的模型取得了更高的峰值信噪比,去噪过程中更好地增强了图像的细节信息.
【总页数】7页(P477-483)
【作者】唐玲;陈明举
【作者单位】四川理工学院自动化与电子信息学院,四川自贡643000;四川理工学院自动化与电子信息学院,四川自贡643000
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于局部坐标二次微分的自适应全变分去噪复原 [J], 郭永彩;彭兰辉;高潮
2.基于滤波器的局部自适应全变分图像去噪模型 [J], 史宝丽;何泊;王治国;庞志峰
3.自适应非局部数据保真项和双边总变分的图像去噪模型 [J], 郭黎;廖宇;李敏;袁海林;李军
4.基于自适应投影算法的分数阶全变分去噪模型 [J], 张桂梅;孙晓旭;刘建新
5.加权方向自适应全变分去噪算法 [J], 刘子铭
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中图分 类号 ：Ｔ ３ １ Ｐ ９ 文 献标 志码 ：Ａ 文章编 号 ：１０ －６ ５ ２ １ ） ２ ４ ９ —４ ０ １ ３ ９ （ ０ １ １ —７ ７ ０
ｄ ｉ１ ．９ ９ ｊｉ ｎ １０ —６ ５ ２ １ ．２ １ ７ ｏ：０ ３ ６ ／．ｓ ．０ １ ３ ９ ．０ １ １ ．０ ｓ
刘
摘
文 吴传生 许 ， ，
田
（． １武汉理工大学 理 学院 数学系， 武汉 ４０ ７ ； ．武汉大学 电子信息学院 通信工程 系， ３００ ２ 武汉 ４ ０７ ） ３０２ 要 ：在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上 ， 利用边缘检测算子选
取自 适应参数 ， 构建能同时兼顾 图像平滑去噪与边缘保 留的 自适应全变分模 型， 并基 于 Ｂｅｍ ｎ迭代正则化方 ｒ ａ ｇ
Ａｂ ｔａ ｔ ｈ ｓ ｐ ｐ ｒｃ ｍｂ ｎ ｄ ｓ ｏ ｋ ｆ ｔｒｗｉ ｎ ｓ ｔ ｐ ｃ ｄ ｆ ｓｏ ｏ ｐ ｅ ｒ ｃ ｓ ｈ ｏｓ ｍａ ｅ ，ａ ｄ ｕ ｅ ｈ ｄ ｅ ｄ — ｓｒ ｃ ：Ｔ ｉ ａ ｅ ｏ ｉｅ ｈ ｃ ｉ ｅ ｔ ａ ｉｏｒ ｉ ｉ ｕ ｉ ｎ ｔ ｒ ｐ ｏ ｅ ｓ ｔｅ ｎ ｉ ｉ ｇ ｓ ｎ ｓ ｄ ｔ ｅ ｅ ｇ ｅ ｌ ｈ ｏ ｆ ｙ ｔ ｃｉｎ ｆ ｔｒ ｏ ｃ ｏ ｓ ｈ ａ ａ ｔ ｒ ｄ ｐ ｉ ｅｙ ｂ ｓ ｄ ｏ ｅ ｐ ｅ ｒｃ ｓ ｅ ｇ ｓ ｈ ｎ ｉｔｏ ｕ ｅ ｎ ａ ａ ｔ ｅ ｔｔ ｌ ａ ｉ— ｅ ｔ ｉ ｅ ｓ ｔ ｈ ｏ ｅ ｔ ｅ ｐ ｒｍｅｅ ｓａ ａ ｔ ｌ ａ ｅ ｎ ｔ ｒ ｐ ｏ ｅ ｓ ｄ ｉ ｅ ．Ｔ ｅ ｎ ｒ ｄ ｃ ｄ ａ ｄ ｐ ｉ ｏ ａ ｒ ｏ ｌ ｖ ｈ ｍａ ｖ ｖ ａ
Ａｄ ｐ ｉｅ ｔｔｌｖ ｒ ｔ ｎ ｍｏ ｅ ｏ ｍａ ｅ ｄ ｎ ｉｉ ｇｗｉ ａ ｔｓ ｌ ｉｇ ａｇ ｒ ｈ ａ ｔ ｏａ ａｉ ｉ ｄ ｌｆｒｉ ｇ ｅ ｏｓｎ ｔ ｆ ｓ ｏｖｎ ｌｏ ｉ ｍ ｖ ａｏ ｈ ｔ
Ｌ Ｕ Ｗｅ Ｉ ｎ ，Ｗ Ｕ Ｃ ｕ ｎ ｓ ｅ ｇ ｈ ａ — ｈ ｎ ，ＸＵ Ｔ ａ ｉｎ
第 ２ 卷第 １ ８ ２期
２１ ０ １年 ｌ ２月
计 算 机 应 用 研 究
Ａｐ ｌ ａｉ ｎ Ｒｅ ｅ ｒ ｈ ｏ ｏ ｕ ｅ ｓ ｐ ｉ ｔ ｓ ａ ｃ ｆＣ ｍｐ ｔ ｒ ｃ ｏ
Ｖｏ ８ Ｎｏ １ Ｌ２ ． ２ Ｄｅ ．２ １ ｅ ０ １
自适应 全 变 分 图像 去 噪模 型及 其快 速 求解
（ ． ｅｔ ｆＭａｈｍａｉ ， ｃｏｌ Ｓｉ ｃｓ ｕ ａ ｎｖｒｔ ｏ Ｔｃｎｌｇ ， ｈ ｎ４０ ７ Ｃ ｉａ； ． ｐ．ｏ Ｃ ｍ ｎｃｔｎＥｎｉｅｒ １ Ｄｐ．ｏ ｔｅ ｔｓ Ｓｈｏ ｃ ｎｅ，Ｗ ｈ ｎＵ ｉ ｓｙｆ ｅｈ Ｏｏｙ Ｗｕ ａ ３０ ０， ｈｎ ２ Ｄｅｔ ｆ ｏ ｍｕ ｉ ｉ ｇｎｅ ｃ ｆ ｏ ｅ ｅ ｉ ａｏ － ｉｇ ｃｏｌｆＥｅｔ ｎ ｎｏｍ ｔ ｎ ｎ ，Ｓｈ ｏ ｏ ｌ ｒ ｉ Ｉ ｒ ａｉ ，Ｗｕａ ｎｖｒｔ，Ｗｕａ ３０ ２ ｈｎ ） ｃｏ ｃ ｆ ｏ ｈ ｎ Ｕ ｉ ｓｙ ｅ ｉ ｈ ｎ４ ０ ７ ，Ｃ ｉ ａ
法设计 了其 快速迭 代 求解算 法 。实验 结果表 明 ， 适 应去 噪模 型及其 求解 算法在 快速去 除噪 声的 同时保 留 了图 自 像 的边缘 轮廓 和 纹理等 细 节信 息 ， 到 的复原 图像在 客观评 价标 准和 主观视 觉效 果方 面均有 所提 高。 得 关 键词 ：图像 去噪 ； 变分模 型 ； ｒ ｍ ｎ 全 Ｂｅ ａ 迭代 正 则化 ； 裂 Ｂｅｍ ｎ ｇ 分 ｒ ａ 迭代 算法 ｇ
ｔ ｎ ｒ ｇ ｌｒ ａｉｎ ｍｏ ｅ ｏ ｇ ｅ ｏ ｓｎ ａ ｅ ｎ ｔ ｅ ｃ ｏ ｅ ａ ａ ｔｒ ．Ｔ ｅｐ ｏ ｏ ｅ ｄ ｌ ｏ ｌ ｅ ｐ ｔ ｅ ｂ ｌｎ ｅ ｂ — ｉ ｅ ｕ ａ ｉ ｔ ｄ ｌ ｒｉ ｅ ｄ ｎ ｉｉ ｇ ｂ ｓ ｄ ｏ ｈ ｈ ｓ ｎ ｐ ｒｍｅｅ ｓ ｈ ｒｐ ｓ ｄ ｍｏ ｅ ｕ ｄ ｋ ｅ ｈ ａａ ｃ ｅ ｏ ｚ ｏ ｆ ｍａ ｃ