论文部分内容阅读
为了解决泊松噪声图像的复原问题,几种正则化方法已被提出,其中最著名的是全变差(TV)模型,但TV模型会引起阶梯效应。总广义变差(TGV)是全变差的推广,用TGV作为正则项来恢复泊松图像,可以消除阶梯效应,但图像的边缘细节信息不能很好地保持。为了克服这个缺点,基于TGV和Shearlet变换,该文提出了一种新的正则化模型,并用交替方向乘子法(ADMM)求解。数值结果有效地展示了该模型在保持图像边缘细节上的优越性。