一種用于圖像去噪的原始對偶模型的制作方法
【專利摘要】一種用于圖像去噪的原始對偶模型，涉及一種改善圖像視覺效果的對偶模型，包括原始對偶去噪模型及原始對偶數(shù)值算法、基于偏差原理的調整參數(shù)自適應選取。其特征在于，所述一種原始對偶去噪模型，即ROF去噪模型的原始對偶，表達式為：。模型的數(shù)值實現(xiàn)，采用一種基于預解式的原始對偶數(shù)值算法，該算法采用自適應變步長迭代，彌補了一些傳統(tǒng)數(shù)值算法對步長要求過高的缺陷。而調整參數(shù)選取方面，基于Morozov偏差原理限制了圖像去噪尋優(yōu)過程的可行域，從而自適應選取調整參數(shù)。實驗表明，本發(fā)明提出的調整參數(shù)自適應選取策略能有效改善視覺效果，而提出的原始對偶模型數(shù)值實現(xiàn)時能有效收斂。
【專利說明】一種用于圖像去噪的原始對偶模型
【技術領域】
[0001]本發(fā)明涉及一種改善圖像視覺效果的對偶模型，特別是涉及一種用于圖像去噪的原始對偶模型。
【背景技術】
[0002]圖像采集、傳輸和儲存過程中，往往由于多種因素引入噪聲，這對圖像的進一步分析處理和理解造成影響。所以，圖像去噪是圖像處理領域的重要環(huán)節(jié)之一。目前，該領域的研究熱點和難點之一是:從頻域角度看，圖像噪聲和邊緣均屬于圖像中的高頻信息，如何尋找既能有效消除噪聲，又能同時保留圖像邊緣等細節(jié)特征的去噪方法。為了解決這一問題，1992年Rudin、Osher和Fatime提出了著名的全變分正則化模型，即R0F模型。該模型通過引入能量函數(shù)，將圖像去噪問題轉化為泛函求極值問題。所采用的函數(shù)空間允許存在跳躍間斷，因此可以較好地保持圖像的邊緣。
[0003]將圖像去噪問題建模為優(yōu)化問題，建立其離散形式，其中，Z表示有限維向量空間，表示ν范數(shù)”表示梯度算子，U表示去噪后圖像，G表示觀測圖像，A表示正則化調整參數(shù)。
[0004]模型中第一項稱為正則項，在優(yōu)化過程中起到抑制噪聲的作用。第二項稱為保真項，主要作用是保持去噪后圖像與觀測圖像的相似性，從而保持圖像的邊緣特征。而參數(shù)A用于平衡正則項與保真項的作用。
[0005]下面給出正則項離散形式的具體定義。假定待處理圖像的大小為MXN，則變分模型中梯度算子的離散化形式為:
【權利要求】
1.一種用于圖像去噪的原始對偶模型，包括原始對偶去噪模型及原始對偶數(shù)值算法、基于偏差原理的調整參數(shù)自適應選取，其特征在于，所述一種原始對偶去噪模型，即ROF去噪模型的原始對偶，表達式為:

2.根據(jù)權利要求1所述的一種用于圖像去噪的原始對偶模型，其特征在于，所述原始對偶數(shù)值算法步驟如下:步驟1.初始化:給定步長參數(shù)％% >? ,滿足，

3.根據(jù)權利要求2所述的一種用于圖像去噪的原始對偶數(shù)值算法，其特征在于，所述數(shù)值算法確定預解算子σ+Μ,1，和線性算子4
4.根據(jù)權利要求1所述的一種用于圖像去噪的原始對偶模型，其特征在于，所述基于偏差原理的調整參數(shù)自適應選取，為在算法流程中，對偶變量Ρ更新后，判別[是否在可行域D內(nèi)，如在可行域內(nèi)，令4^ = 13，否則求解方程，得到，利用自適應選取的調整參數(shù)更新原始變量w，保證去噪過程在可行域范圍內(nèi)進行。
【文檔編號】G06T5/00GK103679646SQ201310505696
【公開日】2014年3月26日 申請日期:2013年10月24日 優(yōu)先權日:2013年10月24日
【發(fā)明者】田丹, 范立南 申請人:沈陽大學