通过非局部正则化改善基于总变化的图像压缩感知恢复(ISCAS 2013)
抽象的
近年来,基于全变分(TV)的最小化算法由于保留了边缘,因此在自然图像的压缩感测(CS)恢复中取得了巨大的成功。 然而,使用电视不能恢复精细的细节和纹理,并且经常遭受不期望的楼梯假象的困扰。 为了减少这些影响,本文通过在CS优化问题中引入新的非局部正则约束条件,提出了一种改进的基于TV的图像CS恢复算法。 非局部正则化建立在众所周知的非局部均值(NLM)过滤的基础上,并利用图像中的自相似性,这有助于抑制阶梯效应并恢复精细细节。 此外,开发了一种有效的基于增强拉格朗日算法,以解决上述组合的电视和非局部正则化约束问题。 实验结果表明,与基于最新电视的算法相比,该算法在PSNR和视觉感知方面均实现了显着的性能提升。
引文
如果您发现我们的代码对您的研究或工作有所帮助,请引用我们的论文。
@inproceeding
2021-06-17 14:43:33
113KB
1