• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >Rician denoising and deblurring using sparse representation prior and nonconvex total variation
【24h】

Rician denoising and deblurring using sparse representation prior and nonconvex total variation

机译：使用稀疏表示先验和非凸总变化对Rician进行去噪和去模糊

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose a sparse representation based model to restore an image corrupted by blurring and Rician noise. Our model is composed of a nonconvex data-fidelity term and two regularization terms involving a sparse representation prior and a nonconvex total variation. The sparse representation prior, using image patches, provides restored images with well-preserved repeated patterns and small details, whereas the non-convex total variation enables the preservation of edges. Moreover, the regularization terms are mutually complementary in removing artifacts. To realize our nonconvex model, we adopt the penalty method and the alternating minimization method. The K-SVD algorithm is utilized for learning dictionaries. Numerical experiments demonstrate that the proposed model is superior to state-of-the-art models, in terms of visual quality and certain image quality measurements.
机译：我们提出了一种基于稀疏表示的模型来还原由于模糊和Rician噪声而损坏的图像。我们的模型由一个非凸数据保真度项和两个正则化项组成，涉及一个稀疏表示先验和一个非凸总变化。先前的稀疏表示使用图像补丁为还原后的图像提供了保留良好的重复图案和小的细节，而非凸出的总变化量则可以保留边缘。此外，正则化项在去除伪像方面是相互补充的。为了实现我们的非凸模型，我们采用惩罚方法和交替最小化方法。 K-SVD算法用于学习词典。数值实验表明，在视觉质量和某些图像质量测量方面，所提出的模型优于最新模型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号