基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为能够复原出高质量的清晰图像,提出一种混合正则化约束的模糊图像盲复原方法.首先,根据模糊核的稀疏性,采用L0范数的正则项对模糊核进行稀疏约束,以提高模糊核估计的准确性;然后,根据图像梯度的稀疏性,采用混合一阶和二阶图像梯度的L0范数对图像梯度进行正则化约束,以保留图像边缘信息;最后,由于所提出的混合正则化约束模型本质上是非凸非光滑优化问题,通过交替方向乘子法对模型进行求解,并在非盲反卷积阶段采用L1范数数据拟合项和全变分的方法复原清晰图像.实验结果表明,所提方法能够复原出更加清晰的细节和边缘信息,复原结果的质量更高.
推荐文章
混合高阶全变差正则化的运动模糊图像盲复原
运动模糊
盲复原
正则化约束
混合高阶全变差
分裂布雷格曼迭代策略
基于正则化方法的图像盲去模糊
图像去模糊
正则化方法
标准化稀疏先验
模糊核估计
双边滤波器
冲击滤波器
TV正则化
遥感图像盲复原的Bregman迭代正则化方法
图像恢复
点扩散函数
全差变正则化
Bregman迭代
多参数梯度稀疏正则化图像非盲去模糊
lp范数约束
图像梯度
多参数正则化
纹理划分
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 混合非凸非光滑正则化约束的模糊图像盲复原
来源期刊 计算机应用 学科 工学
关键词 模糊图像 图像盲复原 正则化约束 交替方向乘子法 全变分
年,卷(期) 2020,(4) 所属期刊栏目 虚拟现实与多媒体计算
研究方向 页码范围 1171-1176
页数 6页 分类号 TP391.41
字数 5682字 语种 中文
DOI 10.11772/j.issn.1001-9081.2019091647
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴传生 武汉理工大学理学院 51 310 10.0 15.0
2 耿源谦 武汉理工大学理学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
模糊图像
图像盲复原
正则化约束
交替方向乘子法
全变分
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导