CuTVdG：一种基于Curvelet阈值收缩的TV图像复原算法

• 作者: 肖亮 邵俊
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 全变差 稀疏性 CURVELET变换 阈值收缩 复原
• 年，卷（期）: 2011,（8）
• 页码范围: 5415-5417
• 页数: 3页
• 分类号: TP391

摘要

变分正则化方法基本思想是分析和把握图像的先验知识,将图像的正则化复原问题转变成极小化能量泛函问题。根据图像的有界变差和稀疏性先验知识,提出一个基于全变差（TV）正则化和稀疏性约束的耦合图像复原模型。模型通过全变差图像模型、图像Curvelet变换下稀疏性和数据保真模型的联合优化,达到图像边缘结构和纹理特征的保持。并且给出基于算子分裂法的求解算法,实验证明该算法复原图像的视觉质量优于快速TV复原算法（FTVdG）的复原结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖亮	南京理工大学计算机科学技术学院	132	1593	20.0	33.0