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,（22）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 5415-5417,5429
• 分类号: TP391
• 字数: 3137字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3044.2011.22.055

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