非局域自相似约束的Shearlet稀疏正则化图像恢复

摘要：

提出一种结合非局部自相似和Shearlet稀疏性正则化的图像恢复变分模型。模型采用观测图像与待恢复图像的能量误差为保真项，联合Shearlet稀疏性和非局域自相似性为混合正则化项。正则化项同时兼顾图像的变换特性和自身结构全局特性。基于变量分裂增广拉格朗日法提出了求解该变分模型的数值算法。以图像去模糊和图像修复为例，对算法性能进行了测试。实验结果表明，该模型和所提算法能够较好地恢复图像，与其他算法相比，可获得更高的峰值信噪比(PSNR)和结构自相似指标(SSIM)，具有更好的视觉效果。

关键词：增广拉格朗日、图像恢复、非局部自相似、Shearlet变换

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61162022；广东省自然科学基金2015A030313589, S2013010016601

在线出版日期：2016-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：43-47,101