TVNLR:Matlab代码通过非局部正则化改进基于总变化量的图像压缩感知恢复-源码

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