一种基于修正的半光滑牛顿法的图像去噪算法.docVIP

一种基于修正的半光滑牛顿法的图像去噪算法 庞志峰, 吕军成 (1. 河南大学数学与计量经济学院,中国 开封 475001) (2. 郑州工业贸易学校 ,中国 郑州　450007.) 摘要: 本文基于ROF去噪模型的对偶算法提出一个修正的半光滑牛顿法. 文中证明了该算法具有Q二 次收敛性, 同时指出适宜的选取参数α的值可以提高数值计算效率. 实验表明, 给出 给出的新的修正算法既能较好地复原图像, 又具有较快的收敛速度. 关键词: 图像去噪; 全变差; 半光滑牛顿法; 广义雅可比; 信噪比. 中图分类号: TP751.1; TP391.41; TN911.73. 文献标识码：A 1 引言 在处理图像的过程中噪声经常被引入, 从而导致图像退化, 因此图像去噪是图像处理中的一个最基本的问题. 传统的图像去噪方法主要是滤除图像的高频成分, 但是由于图像的细节也分布在高频区域,所以总是在滤除噪声的同时模糊了图像的边缘. 基于滤除噪声的同时也能保持图像的边缘, Rudin等人在[1]中提出如下的全变差(Total Variation)去噪模型(ROF模型): , (1) 其中修复图像, 噪声图像, 为正则化因子, 被定义为: . 若满足, 则称函数为有界变差函数. 显然(1)是一个二次优化问题, 但是由于其在原点并不可微, 所以并通常情况下并不容易求解, 因此最近几年提出许多数值方法去解决这一问题. 例如基于(1)的欧拉方程时间流的梯度下降法[1]以及不动点迭代法[2], 基于交替算法的分裂Bregman迭代法[3], 离散优化算法[4], 凸规划算法[5], 基于凸分析的对偶算法[6, 7]. 本文研究Chambolle在[6]提出的对偶算法, 也就是把原来的无约束问题(1)转化为下面的约束问题: （2） 然后基于(2)最优性条件用半隐式梯度下降法求解. 由于Chambolle提出的对偶算法较快收敛性和实现比较简单, 最近几年对其的研究得到了迅速的发展[11, 10]. 但是在解的过程中, 要求泛函的值单调递减，从而在最小值问题非常病态的情况下, 收敛很慢[12]. 基于此, Ng等人在[7]中利用半光滑牛顿方程的性质把(2)的最优性条件化成一组半光滑牛顿方程组, 然后用阻尼高斯牛顿法去解从而达到超线性收敛性. 本文提出一个新的算法对[7]的半光滑牛顿法进行修正, 从而达到更快的收敛效果.本文的结构为: 第2章给首先(2)的最优性条件, 然后得出最优性条件等价于与之相应的半光滑牛顿方程组, 从而提出一个修正算法并给出一些相关命题. 第3章对实验结果进行分析, 与经典的对偶算法以及文[7]中的算法做出对比, 本文提出的算法有着较快的收敛速度. 2 修正的半光滑牛顿法 从本节起, 我们主要研究图像的离散情况, 也就是假设图像是一个的阵列. 表示欧几里德空间中的内积, 其中， 很明显，引入Lagrange乘子利用最优化中的KKT条件，在离散情况下(2)可以转化为下面的方程系统： (3) 其中 作为梯度算子的负共轭可以写为: 令, 若利用行字典排序法依次将排列成一个新的列向量,并且令其中分别表示图像的方向和方向的一阶差分. 记, 其中符号; 表示按行排列. 利用这个事实和Fisher-Burmeister函数的性质 (3)可以写成下面的紧凑格式： (4) 其中 显然, 在(4)中, 当 满足 或者时, 并不可微，但是强半光滑的. 也就是说, 当时，有 成立[8]. 其中, . 这里表示的? Clarke广义雅可比，具体定义为：的凸包. 方程(4)一般情况下可以用的广义牛顿法求解. 即：已知, 通过计算 (5) 得到，其中[8,9]. 下面我们求的广义雅可比. 当时, 和明显可微. 即： 其中表示单位矩阵的第列，, 和满足 . 当， 我们可以得到和广义雅可比矩阵如下: 同时，当或者时, 可微，即： 其中表示单位矩阵的第列，, 和满足 当或者时, 的广义雅可比为： . 用广义牛顿法(5)解时, 通常要求可逆. 为了克服可逆性的要求, jiang 等人在[9]