论文部分内容阅读
ROF去噪模型对高斯噪声有很好的去除效果,但并不适合处理泊松噪声。该模型会造成含泊松噪声图像的边界模糊。针对泊松噪声类型,文献上提出了修正ROF模型。分析了修正ROF模型解的存在性和唯一性。采用逐步线性化的方法处理该模型具有强烈非线性的保真项,克服了其求解上的困难,并应用分裂Bregman算法,使得该模型可以快速求解。数值实验结果表明,该算法较好地保留了图像亮度较弱部分的细节信息,对实际CT图像的去噪效果优于传统的ROF模型,且收敛速度快。