论文部分内容阅读
传统的广义全变分去模糊模型利用L_1范数刻画图像高阶梯度,不能有效刻画图像梯度的局部组稀疏先验,导致传统广义全变分模型在阶梯效应抑制能力有一定局限性,针对这一问题,提出了基于重叠组稀疏收缩技术的改进广义全变分去模糊模型。该模型能更好挖掘图像梯度之间的结构稀疏先验知识,并通过图像梯度结构特性进一步抑制传统广义全变分模型的阶梯效应,从而获得更好的去模糊效果。用带重启的加速交替方向乘子法对该模型进行了求解。实验结果表明,该方法能有效抑制阶梯效应,在去模糊效果上更具有优势。