一种改进的各向异性全变差去噪模型-计算机工程与应用.pdfVIP

192 2016 ，52（10） Computer Engineering and Applications 计算机工程与应用 一种改进的各向异性全变差去噪模型 艾 立 AI Li 电子科技大学 数学科学学院，成都 611731 School of Mathematical Sciences, University of Electronic Science Technology of China, Chengdu 611731, China AI Li. Improved anisotropic total variation denoising model. Computer Engineering and Applications, 2016, 52 （10）： 192-195. Abstract ：The Total Variation （TV ）regularization model is a classical denoising model, which can be solved by the split Bregman algorithm simply and effectively. In this paper, an improved anisotropic total variation denoising model based on the TV-L 1 model and the OSV model is proposed. It is also solved by the split Bregman algorithm. Numerical results show that the improved model can protect the edges, highlight the geometry features and texture, make the denoising image become more clear and result in a better image denoising effect. Key words ：image denoising; TV model; anisotropic total variation; split Bregman iteration 摘 要：全变差（TV ）正则化模型是最经典的去噪模型，利用分裂的Bregman 迭代算法可以简单有效地求解该模型。 结合TV-L 1模型和OSV 模型，提出了一种改进的各向异性全变差去噪模型，并且利用分裂的Bregman 迭代算法进行 求解。通过数值实验可以看出改进的模型保护了恢复图像的边缘，突出了几何特征和纹理，使其更加清晰，去噪效 果比原模型有所提高。 关键词：图像去噪；TV 模型；各向异性全变差；分裂的Bregman 迭代 文献标志码：A 中图分类号：TP911.73 doi ：10.3778/j.issn. 1002-8331.1406-0385 图像去噪是数字图像处理领域的一个热点研究问 图像恢复的模型和方法，其中大部分都属于L 1 正则化 题，其主要的目标是研究这样一个的古典问题：对于一 问题，文献[1]给出了此类问题的一般形式： f Ω®R 幅受到噪声污染的图像 ： ，从下面的图像分解中 min |ϕ(u)| +H (u) u u 得到去噪后的图像 ： |ϕ(u)| H (u) | ×| 其中， 和 都是凸函数。去噪模型中的符号 f u +v 表示L 1范数。最初的图像恢复正则化模型是在Sobolev 其中， 是R2 的一个有界子集，表示噪声。由最大似 Ω v