一种群稀疏限制的消除条带噪声变分模型
发布时间：2021-06-08 05:07
在对图像变分描述的前提下,为有效地利用条带噪声之间的相似性,本文将条带噪声的群稀疏表示引入到单向变分模型中,提出群稀疏技术限制的单向变分模型,并采用交替方向乘子法求解该模型。对比实验证明,本文所提出的群稀疏限制的单向变分模型能有效地利用条带噪声的相似性实现条带噪声的消除,更好地重构图像的细节信息,峰值信噪比与结构相似性比其他模型分别提高6.76dB和0.25,图像去噪性能更优。
【文章来源】：液晶与显示. 2020,35(06)北大核心CSCD
【文章页数】：8 页
【部分图文】：
图1 条带噪声与含噪图像
通过极小化‖A‖1,2便可以实现矩阵A的群稀疏表示。相对于稀疏表示，群稀疏表示不仅使矩阵每一列不为0的系数尽量少，且各列不为0的系数出现的位置相同（图2(b）），从而在实现图像稀疏表示的前提下，有效地表达图像中相似结构信息。考虑到条带噪声之间存在极强的结构相似性，采用群稀疏技术能有效实现对条带噪声的描述。为有效利用条带噪声之间存在的结构相似性，本文将对条带噪声加以群稀疏限制引入到单向变分模型中，以减弱单向变分模型产生的阶梯效应，更好地消除条带噪声，建立群稀疏技术约束的单向变分模型（Unidirectional total variation model with group sparsity constraint,UTVGSC):
红外图像选取具有代表性的“Elephant”、“Warcraft”、“Tank”、“Man”4幅图像加入条带噪声进行实验，原始图像如图3所示。表1给出不同模型去除条带噪声前后的PSNR与SSIM的值，从表1可以看出本文的UTVGSC模型的PSNR与SSIM均高于其余4种模型。图4给出4幅红外图像采用不同模型去噪后的结果。从图中可以看出，稀疏分解的结果残留大量的条带噪声，这是由于条带噪声和图像一样具有稀疏性，单一的稀疏变换无法将二者分离。TV去噪的结果仍然存在较强的条带干扰，这是由于TV模型未考虑条带噪声的方向性，从而不能有效去除条带噪声。与TV模型相比，DTV更好地考虑到条带噪声的方向性，去除图像条带噪声的性能有一定幅度的提高，条带噪声在一定程度上得到减弱，如图4(d）所示。LRSID较好地实现了图像与条带噪声的分离，但去噪后图像仍然存在少许条带噪声阴影。在所有的模型中，本文提出的UTVGSC模型获得图像是最清晰的，几乎未发现残留的条带噪声，图像的轮廓与细节都得到了较好的保留，去除条带噪声的性能最优。
【参考文献】：
期刊论文
[1]遥感影像条带噪声去除的小波变分法[J]. 王昶,张永生,王旭,纪松. 测绘学报. 2019(08)
[2]改进的稀疏表示遥感图像超分辨重建[J]. 朱福珍,刘越,黄鑫,白鸿一,巫红. 光学精密工程. 2019(03)
[3]频域滤波与直方图匹配相结合的条带噪声去除法[J]. 罗敏,康一飞,潘励. 地理空间信息. 2018(07)
[4]超低照度下微光图像的深度卷积自编码网络复原[J]. 刘超,张晓晖. 光学精密工程. 2018(04)
[5]复合面阵CCD摄影相机的实验室辐射定标[J]. 李晶,赵建科,昌明,呼新荣. 光学精密工程. 2017(01)
[6]稀疏阈值的超分辨率图像重建[J]. 何阳,黄玮,王新华,郝建坤. 中国光学. 2016(05)
[7]遥感卫星影像K-SVD稀疏表示去噪[J]. 夏琴,邢帅,马东洋,莫德林,李鹏程,葛忠孝. 遥感学报. 2016(03)
[8]基于图像局部方向特性的自适应全变分去噪模型[J]. 唐玲,陈明举. 液晶与显示. 2016(05)
[9]反射式拼接CCD相机非均匀性定标与校正[J]. 李晓杰,任建伟,李宪圣,孙景旭,万志,刘洪兴. 液晶与显示. 2014(06)
[10]基于变分偏微分方程的红外图像增强算法研究[J]. 赵文达,赵建,韩希珍,续志军. 液晶与显示. 2014(02)
本文编号：3217761
【文章来源】：液晶与显示. 2020,35(06)北大核心CSCD
【文章页数】：8 页
【部分图文】：
图1 条带噪声与含噪图像
通过极小化‖A‖1,2便可以实现矩阵A的群稀疏表示。相对于稀疏表示，群稀疏表示不仅使矩阵每一列不为0的系数尽量少，且各列不为0的系数出现的位置相同（图2(b）），从而在实现图像稀疏表示的前提下，有效地表达图像中相似结构信息。考虑到条带噪声之间存在极强的结构相似性，采用群稀疏技术能有效实现对条带噪声的描述。为有效利用条带噪声之间存在的结构相似性，本文将对条带噪声加以群稀疏限制引入到单向变分模型中，以减弱单向变分模型产生的阶梯效应，更好地消除条带噪声，建立群稀疏技术约束的单向变分模型（Unidirectional total variation model with group sparsity constraint,UTVGSC):
红外图像选取具有代表性的“Elephant”、“Warcraft”、“Tank”、“Man”4幅图像加入条带噪声进行实验，原始图像如图3所示。表1给出不同模型去除条带噪声前后的PSNR与SSIM的值，从表1可以看出本文的UTVGSC模型的PSNR与SSIM均高于其余4种模型。图4给出4幅红外图像采用不同模型去噪后的结果。从图中可以看出，稀疏分解的结果残留大量的条带噪声，这是由于条带噪声和图像一样具有稀疏性，单一的稀疏变换无法将二者分离。TV去噪的结果仍然存在较强的条带干扰，这是由于TV模型未考虑条带噪声的方向性，从而不能有效去除条带噪声。与TV模型相比，DTV更好地考虑到条带噪声的方向性，去除图像条带噪声的性能有一定幅度的提高，条带噪声在一定程度上得到减弱，如图4(d）所示。LRSID较好地实现了图像与条带噪声的分离，但去噪后图像仍然存在少许条带噪声阴影。在所有的模型中，本文提出的UTVGSC模型获得图像是最清晰的，几乎未发现残留的条带噪声，图像的轮廓与细节都得到了较好的保留，去除条带噪声的性能最优。
【参考文献】：
期刊论文
[1]遥感影像条带噪声去除的小波变分法[J]. 王昶,张永生,王旭,纪松. 测绘学报. 2019(08)
[2]改进的稀疏表示遥感图像超分辨重建[J]. 朱福珍,刘越,黄鑫,白鸿一,巫红. 光学精密工程. 2019(03)
[3]频域滤波与直方图匹配相结合的条带噪声去除法[J]. 罗敏,康一飞,潘励. 地理空间信息. 2018(07)
[4]超低照度下微光图像的深度卷积自编码网络复原[J]. 刘超,张晓晖. 光学精密工程. 2018(04)
[5]复合面阵CCD摄影相机的实验室辐射定标[J]. 李晶,赵建科,昌明,呼新荣. 光学精密工程. 2017(01)
[6]稀疏阈值的超分辨率图像重建[J]. 何阳,黄玮,王新华,郝建坤. 中国光学. 2016(05)
[7]遥感卫星影像K-SVD稀疏表示去噪[J]. 夏琴,邢帅,马东洋,莫德林,李鹏程,葛忠孝. 遥感学报. 2016(03)
[8]基于图像局部方向特性的自适应全变分去噪模型[J]. 唐玲,陈明举. 液晶与显示. 2016(05)
[9]反射式拼接CCD相机非均匀性定标与校正[J]. 李晓杰,任建伟,李宪圣,孙景旭,万志,刘洪兴. 液晶与显示. 2014(06)
[10]基于变分偏微分方程的红外图像增强算法研究[J]. 赵文达,赵建,韩希珍,续志军. 液晶与显示. 2014(02)
本文编号：3217761
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3217761.html
