苏州大学 光电科学与工程学院，江苏 苏州 215006
针对全变分(total variation，TV)模型在图像去噪过程中易于产生“阶梯效应”的缺点，提出了一种改进的二阶总广义变分(total generalized variation，TGV)图像去噪模型。新模型中，利用Kirsch边缘检测算子提取到的图像纹理信息，在二阶TGV去噪模型的正则项中引入一个边缘指示函数引导扩散。实验表明，与经典的TV去噪模型和二阶TGV去噪模型相比，新模型无论是在视觉效果上还是在峰值信噪比(PSNR)和均方误差(MSE)方面都有明显的改善，在有效地去除噪声的同时自适应地保护图像的边缘信息和细小的纹理结构信息。
全变分(TV)模型 阶梯效应 二阶总广义变分(TGV)模型 Kirsch边缘检测算子 total variation (TV) model staircase effect second order total generalized variation (TGV) mod Kirsch edge detection operator
长春理工大学电子信息工程学院, 吉林 长春130022
针对飞行时间相机获取深度图像分辨率低,并受成像噪声干扰的问题,提出一种插值深度图和高分辨率彩色图像联合约束的二阶广义全变分(TGV)深度图超分辨率重建方法。首先利用传统插值和多尺度形态学方法进行预处理,获取插值深度图的梯度信息,然后将插值深度图和同场景高分辨率彩色图像两者的梯度信息联合,对二阶TGV模型中的正则化项加以优化:计算各项异性扩散张量时结合插值深度图的梯度信息;引入由插值深度图梯度信息决定的加权因子,控制重建过程中扩散强度。最后通过原始对偶算法完成深度图的超分辨率重建。实验结果表明,本文方法在抑制噪声的基础上,有效保护了深度边缘,可以获得较好的高分辨率深度图像。
图像处理 超分辨率重建 二阶广义全变分 深度图像 多尺度形态学
1 西安电子科技大学 理学院, 西安 710071
2 西安医学院 公共课部, 西安 710021
3 山东科技大学 信息科学与工程学院, 山东 青岛 266590
为了在图像放大中获得更好的视觉效果,提出了一种基于总广义变分性质的变分放大模型.该模型将原始低分辨图像作为被估计的高分辨放大图像到所在空间的某个子空间的投影,利用二阶总广义变分正则化迭代处理得到被估计放大图像.通过分析新模型的性质,给出了一种有效的原始对偶放大算法.实验结果表明: 该方法能去除总变分放大方法产生的图像阶梯块效应,恢复更多的细节边缘及纹理信息,从而重构出高质量的图像; 相比于总变分图像放大方法和小波图像放大方法,该方法具有更高的峰值信噪比和更小的均方误差.
图像放大 二阶总广义变分 总变分 原始对偶 Image zooming Second order total generalized variation Total variation Primal dual
