中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
2期
211-218
,共8页
费选%韦志辉%肖亮%李星秀
費選%韋誌輝%肖亮%李星秀
비선%위지휘%초량%리성수
压缩感知%加权全变差%非局部结构相似%局部自回归
壓縮感知%加權全變差%非跼部結構相似%跼部自迴歸
압축감지%가권전변차%비국부결구상사%국부자회귀
compressed sensing%reweighted total variation%nonlocal structure similarity%local regression
目的 压缩感知理论突破了传统的Shanon-Nyquist采样定理的限制,能够以较少的采样值来进行原信号的恢复.针对压缩感知图像重建问题,提出一种基于优化加权全变差(TV)的复合正则化压缩感知图像重建模型.方法 提出的重建模型是以TV正则化模型为基础.首先,为克服传统TV正则化会导致重建图像的边缘和纹理细节部分模糊或丢失的缺点,引入图像的梯度信息估计权重,构建加权TV的重建模型.其次,利用全变差去噪(ROF)模型对权重进行优化估计,从而减少计算权重时受噪声的影响.再次,将非局部结构相似性先验和局部自回归性先验引入提出的加权TV模型,得到优化加权TV的复合正则化重建模型.最后,结合投影法和算子分裂法对优化模型求解.结果 针对自然图像的不同特性,使用复合正则化先验进行建模,实验结果表明上述重建问题通过本文方法得到了很好的解决,加权TV正则化先验使得图像的平坦区域和强边重建较好,而非局部结构相似性先验和局部自回归性先验能够保证图像的精细结构部分的重建效果.结论 与其他基于TV正则化的重建模型相比,本文模型的重建性能无论是在视觉效果还是在客观评价指标上都有明显的提高.
目的 壓縮感知理論突破瞭傳統的Shanon-Nyquist採樣定理的限製,能夠以較少的採樣值來進行原信號的恢複.針對壓縮感知圖像重建問題,提齣一種基于優化加權全變差(TV)的複閤正則化壓縮感知圖像重建模型.方法 提齣的重建模型是以TV正則化模型為基礎.首先,為剋服傳統TV正則化會導緻重建圖像的邊緣和紋理細節部分模糊或丟失的缺點,引入圖像的梯度信息估計權重,構建加權TV的重建模型.其次,利用全變差去譟(ROF)模型對權重進行優化估計,從而減少計算權重時受譟聲的影響.再次,將非跼部結構相似性先驗和跼部自迴歸性先驗引入提齣的加權TV模型,得到優化加權TV的複閤正則化重建模型.最後,結閤投影法和算子分裂法對優化模型求解.結果 針對自然圖像的不同特性,使用複閤正則化先驗進行建模,實驗結果錶明上述重建問題通過本文方法得到瞭很好的解決,加權TV正則化先驗使得圖像的平坦區域和彊邊重建較好,而非跼部結構相似性先驗和跼部自迴歸性先驗能夠保證圖像的精細結構部分的重建效果.結論 與其他基于TV正則化的重建模型相比,本文模型的重建性能無論是在視覺效果還是在客觀評價指標上都有明顯的提高.
목적 압축감지이론돌파료전통적Shanon-Nyquist채양정리적한제,능구이교소적채양치래진행원신호적회복.침대압축감지도상중건문제,제출일충기우우화가권전변차(TV)적복합정칙화압축감지도상중건모형.방법 제출적중건모형시이TV정칙화모형위기출.수선,위극복전통TV정칙화회도치중건도상적변연화문리세절부분모호혹주실적결점,인입도상적제도신식고계권중,구건가권TV적중건모형.기차,이용전변차거조(ROF)모형대권중진행우화고계,종이감소계산권중시수조성적영향.재차,장비국부결구상사성선험화국부자회귀성선험인입제출적가권TV모형,득도우화가권TV적복합정칙화중건모형.최후,결합투영법화산자분렬법대우화모형구해.결과 침대자연도상적불동특성,사용복합정칙화선험진행건모,실험결과표명상술중건문제통과본문방법득도료흔호적해결,가권TV정칙화선험사득도상적평탄구역화강변중건교호,이비국부결구상사성선험화국부자회귀성선험능구보증도상적정세결구부분적중건효과.결론 여기타기우TV정칙화적중건모형상비,본문모형적중건성능무론시재시각효과환시재객관평개지표상도유명현적제고.
