自適應(yīng)加權(quán)全變差和非局部正則模型在圖像重建中的應(yīng)用.pdf

1、數(shù)字圖像在人們的日常生活以及航空航天等方面有著非常重要的應(yīng)用，但往往人們獲得的數(shù)字圖像的質(zhì)量都非常低。如何從這些低質(zhì)量的圖像重建出原清晰圖像，是一個(gè)非常重要的過程。在過去的幾十年里，人們對圖像重建進(jìn)行了廣泛深入的研究，提出了各種各樣的圖像重建方法。其中，基于全變差模型的方法，能夠在去除噪聲的同時(shí)又成功地保留圖像的邊緣，因此其被廣泛應(yīng)用于各種圖像重建問題當(dāng)中。但全變差模型使用固定的正則參數(shù)，當(dāng)此正則參數(shù)設(shè)置過大時(shí)，往往會過平滑圖像，反之，

2、又無法有效抑制噪聲，這樣導(dǎo)致圖像重建結(jié)果總是令人不是很滿意。
　　為了克服全變差模型的這個(gè)缺點(diǎn)，在本文，我們結(jié)合貝葉斯最佳估計(jì)理論，提出了一種新的局部結(jié)構(gòu)自適應(yīng)的加權(quán)全變差模型，用于圖像壓縮感知和去模糊兩個(gè)重建問題當(dāng)中。提出的自適應(yīng)加權(quán)全變差模型自適應(yīng)地懲罰圖像梯度的幅值，從而重建出邊緣更加銳利的圖像。另外，為了進(jìn)一步提高圖像重建結(jié)果，我們將圖像梯度的非局部相似性作為另一個(gè)約束正則項(xiàng)加入本文所提出的自適應(yīng)加權(quán)全變差模型當(dāng)中。同時(shí)我