基于可变指数及L1保真项的图像去噪算法
耿海,何小卫,樊骏笠
浙江师范大学 数理与信息工程学院，浙江 金华 321004
Image denoising algorithm with variable exponent regularization and L1 fidelity
GENG Hai,HE Xiaowei,FAN Junli
College of Mathematics, Physics and Information Engineering, Zhejiang Normal University, Jinhua Zhejiang 321004, China
摘要 全变分(TV)模型采用了梯度的1范数作为正则化约束, 它能够沿着梯度方向较好地保护图像的边缘信息，但在图像较均匀区域，容易产生“阶梯”效应。利用梯度的可变指数函数作为正则化项，提出TV模型的改进模型, 该模型既保持TV模型保护图像边缘信息的优点，又可以明显地减少非边界区域“阶梯”效应的产生,同时把〖WTHX〗u-〖WTHX〗f的1范数作为数据保真项增强了模型修复图像破损部分的能力
关键词 ：
图像去噪 ,
TV模型 ,
可变指数函数 ,
正则化 ,
L1范数
Abstract ：The L1 norm of gradient is used as the regularization term in the Total Variation (TV) model which can preserve the edges of the image well. However, it has the staircasing effect in the relatively smooth regions. Using the variable exponent function as the regularization term, the modified model can not only preserve the edges of image as well as the TV model but also decrease the staircasing effect obviously. Simultaneously, the L1 norm of 〖WTHX〗u-〖WTHX〗f was regarded as the fidelity term of the model, which can enhance the ability of image denoising.
Key words ：
image denoising
total variation(TV) model
variable exponent functional
regularization term
L1 norm
收稿日期: 2013-04-26
出版日期: 2013-11-01
通讯作者:
何小卫
E-mail: jhhxw@zjnu.cn ; jhhxw@163.com
作者简介 : 耿海(1988-)，男，江苏南京人，硕士研究生，主要研究方向：图像处理、图像修复;何小卫(1968-)，男，浙江金华人，副教授,主要研究方向:图像处理、人工智能；樊骏笠(1990-)，男，浙江绍兴人，硕士研究生，主要研究方向：图像处理、图像修复。
引用本文:
耿海 何小卫 樊骏笠. 基于可变指数及L1保真项的图像去噪算法[J]. 计算机应用, 2013, 33(10): 2931-2934.
GENG Hai HE Xiaowei FAN Junli. Image denoising algorithm with variable exponent regularization and L1 fidelity. Journal of Computer Applications, 2013, 33(10): 2931-2934.
链接本文:
http://www.joca.cn/CN/ 或 http://www.joca.cn/CN/Y2013/V33/I10/2931
[1]
查志远, 刘辉, 尚振宏, 李润鑫. 自适应加权编码L 1/2 正则化的图像重建算法
[2]
秦龙龙, 钱渊, 张晓燕, 侯雪, 周芹. 基于自适应约束正则HL-MRF先验模型的MAP超分辨率重建
[3]
许志良, 邓承志. 基于非局部自相似的Shearlet自适应收缩图像去噪
[4]
蒋伟 李小龙 杨永琴 张恒. 基于有理数阶微分的图像去噪新方法
[5]
刘遵雄 黄志强 刘江伟 陈英. 平滑削边绝对偏离惩罚截断Hinge损失支持向量机的财务危机预报
[6]
黄果 陈庆利 许黎 门涛 蒲亦非. 带边缘补偿的分数阶积分图像去噪算法
[7]
曹萌 张有会 王志巍 董蕊 郑英娟. 基于城区距离的自适应加权均值滤波算法
[8]
刘琬臻 付忠良. 基于局部方差改进的超声图像各向异性扩散去噪算法
[9]
白艺娜 汪西莉. 结合均值漂移的基于图的半监督图像分类
[10]
王凯 刘甲甲 袁建英 江小亮 熊鹰 李柏林. 基于小波子带系数能量的优化权值降噪
[11]
毛文涛 赵胜杰 张俊娜. 基于主曲线的多输入多输出支持向量机算法
[12]
马路 邓承志 汪胜前 刘娟娟. 特征保留的稀疏表示图像去噪
[13]
崔学英 张权 桂志国. 基于字典学习的非局部均值去噪算法
[14]
胡学刚 李妤. 基于分数阶变分的图像泊松去噪模型
[15]
曾友伟 杨恢先 唐飞 谭正华 何雅丽. 基于灰色关联度改进的Contourlet变换图像去噪算法
2013, Vol. 33 
