基于增廣拉格朗日的非局部正則化圖像復(fù)原方法.pdf

1、圖像在成像過(guò)程中由于物理的或者客觀因素而導(dǎo)致圖像部分信息缺失，致使得到的圖像失真。圖像復(fù)原是一門(mén)利用圖像某些先驗(yàn)知識(shí)和數(shù)學(xué)模型盡可能的重現(xiàn)真實(shí)圖像的技術(shù)。其中，模型的構(gòu)建以及算法的應(yīng)用對(duì)重構(gòu)圖像的質(zhì)量有著至關(guān)重要的影響。
　　近些年，基于圖像結(jié)構(gòu)的自相似原理，通過(guò)對(duì)圖像結(jié)構(gòu)特征的學(xué)習(xí)和訓(xùn)練獲取學(xué)習(xí)基的思想已廣泛應(yīng)用于去噪、復(fù)原以及其他的圖像處理的分支。BM3D方法就是這類方法中最具代表性的，無(wú)論是在復(fù)原效果，還是運(yùn)行時(shí)間上，都展示

2、出了其他方法無(wú)法匹及的優(yōu)勢(shì)。HOSVD方法與其原理類似，實(shí)質(zhì)是利用矩陣的高階SVD分解和閾值收縮的思想進(jìn)行去噪，去噪效果較非局部的SVD分解有顯著提高。同樣是采用自相似的原理，但LASSC和WNNM這兩種方法都是低階方法。HOSVD方法和BM3D方法采用兩階段濾波，而這兩者則是在迭代正則化的框架下，利用Bayes Shrinkage閾值估計(jì)方法對(duì)閾值進(jìn)行估計(jì)，同時(shí)采用自適應(yīng)閾值的方法對(duì)系數(shù)矩陣進(jìn)行自適應(yīng)濾波。這兩種方法的特點(diǎn)是PSNR值