稀疏性正则化的图像泊松恢复模型及分裂Bregman迭代算法
生物医学、天文等成像系统通常会受到泊松噪声的干扰,基于图像在过完备字典下的稀疏表示,在贝叶斯最大后验概率估计框架下,建立了针对泊松噪声的稀疏性正则化图像恢复凸变分模型,采用负log的泊松似然函数作为数据保真项,模型中非光滑的正则项约束幽像表示系数的稀疏性,并附加恢复图像的非负性约柬.进一步,基于分裂Bregman方法,提出了求解该模型的多步迭代快速算法,通过引入辅助变量与Bregman距离,町将原问题转化为两个简单子问题的迭代求解,大幅度降低了计算复杂性.实验结果验证了本文模型与数值算法的有效性.
图像恢复、稀疏表示、泊松噪声、分裂Bregman算法、邻近算子
36
TP3(计算技术、计算机技术)
国家高技术研究发展计划863计划2007AA12Z142;国家自然科学基金61071146;60802039;60672074;高等学校博士点专项基金200802880018;江苏省自然科学基金SBK201022367;江苏省研究生创新基金;南京理工大学研究基金2010ZDJH07
2011-03-03（万方平台首次上网日期，不代表论文的发表时间）
1512-1519
