紧框架域重加权L1范数正则化图像恢复模型

摘要：

针对传统紧框架域L1范数模型忽略框架变换后分解系数与原始图像结构信息之间的联系,采用均匀惩罚的不足,提出一种新的重加权紧框架L1范数正则化稀疏模型.首先对待恢复图像进行紧框架分解,得到包含原始图像多层结构信息的框架系数;其次在L1范数稀疏正则化的基础上,引入框架系数模的图像先验信息作为权重函数,建立重加权L1范数的正则化能量泛函;最后结合恢复过程中权重因子的更新,采用多步交替优化算法求解模型.算法能有效克服传统恢复模型易导致边缘细节模糊的不足,获得更高的结构相似测度(SSIM)和峰值信噪比(PSNR).仿真实验表明,模型具有更强的边缘细节保护能力,大大提高图像恢复质量.

关键词：紧框架域、均匀惩罚、重加权、多层结构信息、多步交替优化、图像恢复

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金项目BK2011794

在线出版日期：2018-01-18（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：179-184