作者:王娜; 张权; 刘祎; 贾丽娜; 桂志国 期刊:《北京航空航天大学学报》 2019年第09期
为了降低患者的辐射风险,低剂量CT(LDCT)广泛用于临床诊断,但辐射剂量的减少在重建的LDCT图像中引入了斑点噪声和条纹伪影。为了提高LDCT图像的质量,提出了一种基于可变阶变分模型的后处理技术。所提出的变分模型使用边缘指示器控制变分阶数,根据图像的特征在一阶全变分(TV)正则项和二阶有界Hessian(BH)正则项之间交替变换。采用基于快速傅里叶变换(FFT)的分裂Bregman算法求解所提出的变分模型。该模型在保留高剂量CT (HDCT)图像相...
作者:胡忠铠; 高昆; 豆泽阳; 周颖婕; 巩学美 期刊:《北京理工大学学报》 2019年第08期
针对高光谱亚像元定位应用中光谱解混这一病态问题的求解,改进了结合空间分布先验全变分(TV)的最大后验估计(MAP)光谱解混模型,以保证算法的可扩展性和解的唯一性.同时,针对TV先验固有的非线性特性导致的求解过程繁琐的问题,提出了一种快速求解算法,将原始复杂的非线性运算转化成几步较简单的有闭合解的运算,对这些子问题结合运用快速迭代收缩阈值算法(FISTA)和分裂Bregman算法来分别求解.结果表明,提出的新方法保持了与传统梯度下...
作者:申远; 李瑶 期刊:《数值计算与计算机应用》 2018年第01期
分裂Bregman算法是一种有效的求解L1正则化问题的算法,Chen等人结合线性化、变步长、非单调等技术,改进了固定步长的分裂Bregman算法,提出了变步长分裂Bregman算法(BOSVS),并将该算法用于求解带有高斯噪声的图像去模糊去噪问题,其数值实验结果令人满意.但是它不能求解带有冲击噪声的图像去模糊去噪问题,我们在BOSVS算法基础上,提出了一种新的变步长分裂Bregman算法,用于求解带有冲击噪声的图像去模糊去噪问题.该算法一方面保留了...
作者:刘晨华; 颜兵 期刊:《信息与控制》 2017年第04期
基于二阶微分方程的图像放大方法易出现边缘模糊及阶梯块效应的问题,利用高阶变分微分方程可以去除噪声及保护边缘的特点,提出了一种新的图像放大方法.首先,根据Chambolle提出的放大模型把低分辨的原图像投影到放大后图像所在空间的子空间上;其次,通过引入含有边缘检测函数的拉普拉斯变分正则项而构造出图像放大的泛函模型;最终,通过对新模型的分析,给出了一种快速有效的分裂Bregman算法对模型求解,得到了最终放大图像.实验表明,新...
作者:范立静; 王聪 期刊:《电子设计工程》 2017年第15期
针对去除灰色图像中的泊松噪声从而进一步进行图像分析的目的,采用了基于数据驱动紧框架的含泊松噪声的图像去噪变分模型,并通过了重新赋权的分裂Bregman算法解该模型.结合Matlab仿真实验以及PSNR指标对该算法的图像去噪效果进行评估,评估结果表明该算法可行、有效.
作者:江景涛; 王延耀; 杨然兵; 梅树立 期刊:《农业工程学报》 2012年第S2期
玉米品种的纯度和玉米产量密切相关,因此玉米品种的筛选对提高粮食产量具有非常重要的作用。基于机器视觉的自动品种筛选技术通常分为图像分割、特征获取和分类等三步。图像分割的精度直接决定了种子识别准确度。在众多的图像分割技术中,本研究尝试将图像分割变分模型及其对应的数值求解方法-分裂Bregman算法应用于玉米种子自动识别中。该方法具有精度高,分割边界封闭连续等有利于玉米特征提取的优点。此外,本文还将自适应小波配置...
作者:孙玉宝 费选 韦志辉 肖亮 期刊:《自动化学报》 2010年第11期
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图像表示系数的稀疏性,并附加恢复图像的非负性约束.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,可将原问题转化为两个简单子问题的...
作者:李孟飞 李宏伟 期刊:《计算机工程与设计》 2013年第07期
ROF去噪模型对高斯噪声有很好的去除效果,但并不适合处理泊松噪声。该模型会造成含泊松噪声图像的边界模糊。针对泊松噪声类型,文献上提出了修正ROF模型。分析了修正ROF模型解的存在性和唯一性。采用逐步线性化的方法处理该模型具有强烈非线性的保真项,克服了其求解上的困难,并应用分裂Bregman算法,使得该模型可以快速求解。数值实验结果表明,该算法较好地保留了图像亮度较弱部分的细节信息,对实际CT图像的去噪效果优于传统...
作者:朱骋 周越 期刊:《中国体视学与图像分析》 2015年第04期
图像的盲复原旨在从输入的模糊图像中估计出模糊核,并以此恢复出原清晰图像。本文分别采用近似L0和L1范数对待估清晰图像的梯度域和点扩散函数的稀疏性进行先验约束,后续的迭代过程中分别利用频域直接求解、分裂Bregman方法以及Shrinkage收缩阈值操作符进行优化。本文采用的表达形式既无需显性地在迭代过程中通过额外步骤提取出强梯度特征(例如冲击滤波器),又能保证在较少的迭代次数中达到收敛。最终通过实验结果验证了本文中采...