基于可变指数及L1保真项的图像去噪算法.pdf

JournalofComputerApplications ISSN 1001—9081 2013．10．01 计算机应用，2013，33(10)：2931—2934 C0DEN JYIIDU http：／／www．joca．an 文章编号：1001-9081(2013)10—2931—04 doi：10．11772／j．issn．1001—9081．2013．10．2931 基于可变指数及 L1保真项的图像去噪算法 耿 海，何小卫 。，樊骏笠 (浙江师范大学数理与信息工程学院，浙江 金华 321004) ( 通信作者电子邮箱jhhxw@zjnu．cn) 摘 要：全变分 (TV)模型采用了梯度的1范数作为正则化约束，它能够沿着梯度方向较好地保护 图像的边缘信 息，但在图像较均匀区域 ，容易产生 “阶梯”效应。利用梯度的可变指数函数作为正则化项，提出TV模型的改进模型， 该模型既保持TV模型保护图像边缘信息的优点，又可以明显地减少非边界区域 “阶梯”效应的产生，同时把U—f的1 范数作为数据保真项增强了模型修复图像破损部分的能力。 关键词：图像去噪；全变分模型；可变指数函数；正则化；L1范数 中图分类号：TP391．41 文献标志码 ：A Imagedenoisingalgorithm withvariableexponentregularizationandL1fidelity GENG Hai．HE Xiaowei．FANJunli (Col~geofMathematcis，PhysicsandInformationEngineering,ZhejiangNormalUniversity,JinhuaZhejiang321004，China) Abstract：TheL1nollnofgradientisusedastheregularizationterm intheTotalVariationfTV1modelwhichcan preservetheedgesoftheimagewel1．However，ithasthestaircasingeffectintherelativelysmoothregions．Usingthevariable exponentfunctionastheregularizationtemr ，themodifiedmodelcannotonlypreservetheedgesofimageaswellastheTV modelbutalsodecreasethestaircasingeffectobviously．Simultaneously，theL1normofu-fwasregardedasthefidelitytemr ofthemodel，whichcanenhancetheabilityofimagedenoising． Keywords：imagedenoising；TotalVariation(TV)model；variableexponentfunction；regularization；L1noYm PDE)的方法在这些方面表现尤为突出。本文结合现有的几 0 引言 种偏微分方程方法，提出改进模型，有效地利用现有方法各 自 图像在实际的获取、传输及存储过程中，由于设备的不完 的优点，改善了这几种模型中存在的缺陷。实验证明，改进模 善和各种物理条件的限制，各种噪声的存在无法避免，它们使 型不仅仅能够有效地去除噪声信息，而且能够较好地保护图 得图像的质量受到影响，同时也会掩盖图像中重要的细节特 像的细节信息。 征 ，影响图像的后续处理 ，如图像分割、图像的特征提取、图像