论文部分内容阅读
图像复原技术在众多的科学领域和技术领域得到广泛的应用,如天文观测、遥感技术、文物保护、空间探测、医学影像、军事侦查、案件侦破等。虽然已经存在大量的算法可以求解图像复原问题,但在噪声的干扰下,这些算法往往不能准确的恢复图像原始信息。为提高受到噪声污染的图像的清晰度和逼真度,本文提出了一种新的模型对图像进行去噪处理。该模型是将图像卡通纹理分解模型与全变分去噪模型相结合,同时应用增广拉格朗日算法对全变分模型进行求解。将图像卡通纹理分解模型与全变分去噪模型相结合,可以更好的保护图像信息,达到去除图像噪声的目的。 本文研究了图像退化模型、图像卡通纹理分解模型和全变分去噪模型。图像卡通纹理分解是根据图像信息特性将图像分解为卡通分量和纹理分量。卡通分量包含了图像的大致信息,纹理分量包含了图像的纹理信息以及噪声成分。根据噪声成分的分布特性,在图像去噪的过程中只需对图像的纹理部分进行去噪,再将去噪后的纹理部分与卡通部分进行加权合成。由于卡通部分不含噪声信息,采用将图像先分解后处理的方法可以有效避免去噪过程中对卡通部分的损伤,同时根据纹理部分的特性采用增广拉格朗日(ALM)算法可以在去除噪声的同时有效地提高图像复原速度。 全变分模型去噪是一个典型的非光滑凸优化问题,解决这类问题的方法有很多。本文选取传统的迭代算法和快速迭代阈值算法(FISTA)与ALM算法进行对比,通过计算峰值信噪比、均方误差和运算时间等,表明ALM算法能够快速有效性的解决全变分问题。 本文通过MATLAB进行仿真,仿真中采用两张标准测试图像进行验证。仿真结果表明本文方法能够在快速、准确、稳定去除图像噪声的同时很好的保持图像的边缘信息。最后通过对X光图像进行仿真处理表明本文方法在生活中的应用价值。