基于图像局部梯度L0范数正规化的图像分解算法

doi:10.11772/j.issn.1001-9081.2014.06.1738

计算机应用 ›› 2014, Vol. 34 ›› Issue (6): 1738-1740.DOI: 10.11772/j.issn.1001-9081.2014.06.1738

基于图像局部梯度L0范数正规化的图像分解算法

潘康俊¹,谢德红²

1. 浙江工贸职业技术学院电子工程系, 浙江温州 325003;
2. 江苏省纸浆造纸科学与技术重点实验室(南京林业大学), 南京 210037

收稿日期:2013-12-26 修回日期:2014-01-24 出版日期:2014-06-01 发布日期:2014-07-02
通讯作者: 谢德红
作者简介:潘康俊(1978-),男,浙江温州人,讲师,硕士,主要研究方向:图像处理、自动化控制;谢德红(1979-),女,江苏南京人,讲师,博士,主要研究方向:图像处理、光谱颜色复制。
基金资助:
国家级大学生创新创业训练计划项目

Image decomposition with L0-norm regularization from local gradient

PAN Kangjun¹,XIE Dehong²

1. Department of Electronic Engineering, Zhejiang Industry and Trade Vocational College, Wenzhou Zhejiang 325003, China;
2. Jiangsu Province Key Laboratory of Pulp and Paper Science and Technology (Nanjing Forestry University), Nanjing Jiangsu 210037, China

Received:2013-12-26 Revised:2014-01-24 Online:2014-06-01 Published:2014-07-02
Contact: XIE Dehong

摘要/Abstract

摘要：

针对基于梯度L0范数正规化的变分泛函最优化分解图像时误判噪声梯度为边缘梯度的问题,提出一种基于图像局部梯度的L0范数正规化的图像分解算法。该算法构造了一个由保真函数和正则项构成的适用于图像分解的变分泛函,其中正则项用图像的局部梯度的L0范数进行估计,进而通过求解泛函的最小值,以分解出图像的结构信息(即图像的边缘)。与直接基于图像一阶梯度的L0范数的分解算法相比,该算法可以去除噪声梯度的干扰,从而使分解出的图像边缘中不含有噪声。实验结果表明,该算法在分解图像结构和纹理时,既能很好地把边缘保留在图像结构层中,也可把噪声分解到图像结构层外。

Abstract:

An image decomposition based on minimizing the variational function with L0-norm regularization using local gradient was proposed, with regard to the problem that difference between gradient of the noise and gradient of the edge cannot be discriminated by the typical gradient computed from the first-order derivative. It consisted of fidelity term and regular term, and the regular term was estimated by the L0-norm of local gradient from the first-order derivative. Finally, the base layer, only including edges and excluding noises, was obtained by minimizing the proposed variational function. Compared with the decomposition algorithm with the typical L0 gradient regulation, the proposed algorithm can preserve sharp edges and avoid the impact of noises.

中图分类号:

潘康俊谢德红. 基于图像局部梯度L0范数正规化的图像分解算法[J]. 计算机应用, 2014, 34(6): 1738-1740.

PAN Kangjun XIE Dehong. Image decomposition with L0-norm regularization from local gradient[J]. Journal of Computer Applications, 2014, 34(6): 1738-1740.

[1]	吴军欧阳艾嘉张琳. 基于影响度的统计显著序列模式挖掘算法[J]. 计算机应用, 0, (): 0-0.
[2]	张璐方春祝铭. 基于Res2Net-YOLACT和融合特征的室内跌倒检测算法[J]. 计算机应用, 0, (): 0-0.
[3]	殷雨昌王洪元陈莉冯尊登肖宇. 基于单标注样本的多损失学习与联合度量视频行人重识别[J]. 计算机应用, 0, (): 0-0.
[4]	胡军许正康刘立钟福金张清华. 融合多粒度社区信息的网络嵌入方法[J]. 计算机应用, 0, (): 0-0.
[5]	李润泽孙雪姣. 基于时间条件提取序列的数据流偏好查询[J]. 计算机应用, 0, (): 0-0.
[6]	罗圣钦陈金怡李洪均. 基于注意力机制的多尺度残差UNet实现乳腺癌灶分割[J]. 计算机应用, 0, (): 0-0.
[7]	曹一珉蔡磊高敬阳. 基于生成对抗网络的基因数据生成方法[J]. 计算机应用, 0, (): 0-0.
[8]	陈冲闫珠赵继轩何为梁华庆. 基于集合经验模态分解和长短期记忆网络的催化裂化装置NOx排放预测[J]. 计算机应用, 0, (): 0-0.
[9]	徐光柱林文杰陈莎匡婉雷帮军周军. U-Net与自适应阈值脉冲耦合神经网络相结合的眼底血管分割方法[J]. 计算机应用, 0, (): 0-0.
[10]	杨鼎康黄帅王顺利翟鹏李一丹张立华. 基于对抗生成网络和网络集成的面部表情识别方法EE-GAN[J]. 计算机应用, 0, (): 0-0.
[11]	李讷徐光柱雷帮军马国亮石勇涛. 交通道路行驶车辆车标识别算法[J]. 计算机应用, 0, (): 0-0.
[12]	孟杰王莉杨延杰廉飚. 基于多模态深度融合的虚假信息检测[J]. 计算机应用, 0, (): 0-0.
[13]	秦庭威赵鹏程秦品乐曾建朝柴锐黄永琦. 基于残差注意力机制的点云配准算法[J]. 计算机应用, 0, (): 0-0.
[14]	鲁永帅唐英杰马鑫然. 基于深度特征融合的无纺布低对比度浆丝缺陷检测方法[J]. 计算机应用, 0, (): 0-0.
[15]	王宇航周永霞吴良武. 基于高斯函数的池化算法[J]. 计算机应用, 0, (): 0-0.

基于图像局部梯度L0范数正规化的图像分解算法

Image decomposition with L0-norm regularization from local gradient

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics