10.3969/j.issn.1009-3044.2011.22.055
CuTVdG:一种基于Curvelet阈值收缩的TV图像复原算法
变分正则化方法基本思想是分析和把握图像的先验知识,将图像的正则化复原问题转变成极小化能量泛函问题.根据图像的有界变差和稀疏性先验知识,提出一个基于全变差(TV)正则化和稀疏性约束的耦合图像复原模型.模型通过全变差图像模型、图像Curvelet变换下稀疏性和数据保真模型的联合优化,达到图像边缘结构和纹理特征的保持.并且给出基于算子分裂法的求解算法,实验证明该算法复原图像的视觉质量优于快速TV复原算法(FTVdG)的复原结果.
全变差、稀疏性、Curvelet变换、阈值收缩、复原
7
TP391(计算技术、计算机技术)
高等学校博士学科点专项科研基金资助课题20070288050
2012-01-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
5415-5417,5429