一种新的变分去噪模型定参方法.docVIP

一种新的变分去噪模型定参方法 　　摘 要：以全变分去噪模型为例，从梯度下降法解相应的欧拉方程着手，提出一种新的定参方法对图像进行去噪，根据新方法选取的参数，同时保证均值和方差估计式。且求解偏微分方程选取的初值不是噪声图像而是对噪声图像进行小波分解后，保留低频系数，只对高频系数设置阈值，再重构后的图像。根据新选取的初值对相应的偏微分方程进行差分迭代求解，数值仿真结果表明，该方法选取的初值具有更好的去噪效果。 　　关键词：变分；去噪；初值；阈值；小波分解 　　中图分类号：TP391文献标识码：B文章编号：1004373X(2008)1918004 　　 　　New Method of Define Parameter in Denoising Model 　　JIAO Li,FENG Xiangchu,SONG Guoxiang 　　(School of Science,Xidian University,Xi′an,710071,China) 　　Abstract：This paper takes the example of total variation denoising model to propose a newly-selected parameter method when solving the corresponding Euler equation by the gradient method in denoising image,and realizes the mean and the variance estimate formula simultaneously by adopting this method.While ones solve PDE,ones do not select the noise image but the reconstructed image as the initial value,under the wavelet decomposition of noise image,keeping the low frequency coefficients and only setting up a threshold for high frequency coefficients.With the newly-selected initial value,PDE is solved by the finite difference iteration and the equation is simulated numerically.The experiment results show that this method has a better denoising effect. 　　Keywords：total variation;denoising;initial value;threshold;wavelet decomposition 　　 　　1 引 言 　　 　　目前，人们对恢复图像，改善图像质量的要求越来越高，在研究图像复原问题的过程中，逐渐提出了各种图像恢复模型。而基于PDE的变分复原在图像处理领域得到了广泛的应用，它能有效解决恢复图像细节和抑制噪声这一矛盾，大大提高了去噪性能。 　　经典的ROF模型［1］是由Rudin，Osher和Fatemi等提出的全变差极小化方法，即从变分法求解能量泛函极小化这个方法着手，根据变分原理和梯度下降法得出具有初始条件和边界条件的偏微分扩散方程。TV模型图像能较好的保持边缘去除噪声［2 ，3］，但是最好的去噪效果是在去除噪声的同时，保留细节信息。而基于能量泛函极小化方法对图像去噪的同时可能丢失纹理细节信息。目前已有噪声-纹理算子［4］对丢失的信息进行检测，对去噪后的图像作进一步的后续处理工作，尽量地保留图像信息，获得最好的去噪图像。 　　本文根据能量泛函中平衡光滑项和忠诚项的参数λ的新选法［5］，提出了一个保证均值和方差估计式都成立的初值，然后利用有限差分格式进行迭代求解，更好地去除图像噪声。 　　 　　2 TV去噪模型 　　 　　假定图像的降噪模型为： 　　u0=J*u+n 　　式中u0是噪声图像，u是原始图像，n是噪声，J是高斯卷积算子。 　　现通过噪声图像u0来恢复原始图像u，建立图像复原的TV模型： 　　minu E(u)=∫Ω(|??u|)dxdy+λ2‖J*u-u0‖2 　　 　　通过泛函变分得到相应的欧拉方程为： 　　div(??u|??u|)-λJ*(J*u-u0)=0 　　 　　利用梯度下降法转化成求解偏微分方程： 　　??u??t=div(??