代算法的总变差正则化图像复原方法.pdfVIP

摘 要 数字图像复原过程是一个反卷积问题，由于观测图像无可避免的受到噪声的 影响，图像复原的过程无论是理论分析或是数值计算都有一定的困难．图像复原 最基本的任务是在去除由降质系统引入的噪声的同时，不丢失原始数据的细节信 息，然而抑制噪声和保持细节往往是一对矛盾，也是图像复原中至今尚未很好解 决的一个问题．总变差正则化方法正是在这种背景下提出并发展起来的． 本文在经典的Tddmnov正则化方法求解反问题的理论框架下，将传统的总变 差正则化方法中的范数进行推广，提出了广义总变差正则化模型，并根据加权迭 代最小二乘方法的基本思想，通过加权矩阵将一般的，，范数转化为，2范数，从而 应用标准的二次优化方法进行迭代求解，这就是本文重点介绍的算法一加权范 数迭代算法．从数值仿真试验中对降质图像的复原效果来看，与经典复原算法相 比，加权范数迭代算法在计算时间和复原质量上都具有显著优势． 本文的研究思路和主要工作概述如下：首先介绍数字图像复原的一般理论， 然后在总变差正则化图像复原的ROF模型基础之上，将其范数推广后，提出了 通用的广义总变差正则化模型，并介绍了求解该模型的加权范数迭代算法，同时 也简要讨论了该算法的收敛性． 数值仿真试验主要针对Z1范数和，2范数两种典型