贝叶斯框架下的总变分图像去噪算法
针对经典去噪模型易造成图像细节丢失以及确定性算法无法自动估计去噪过程中的未知参数等问题,提出一种新的图像去噪算法.该算法在贝叶斯框架下,用总变分模型(TV)和伽马分布分别刻画原始图像及未知参数的统计特征,并基于最大联合分布的推导,估计最优原始图像.总变分模型使最终的能量泛函非线性且不可微分,因此,引入迭代重加权最小二乘法(IRLS),通过迭代的方式用加权的L2范数逼近L1范数来表示图像的统计模型.实验结果表明,该算法可有效去除图像的噪声,提升去噪速度,使所恢复的图像在实际视觉效果和信噪比等方面均优于其他同类算法.
图像去噪、贝叶斯框架、最大联合分布、先验模型、总变分模型、拉普拉斯分布、数值计算、迭代重加权最小二乘法
32
TP751.1(遥感技术)
国家自然科学基金资助项目60573019;广东省科技计划项目2009B030803004;广东省重点实验室开放基金CCNL-200704;广东省自然科学基金博士科研启动基金07300561
2011-04-20（万方平台首次上网日期，不代表论文的发表时间）
693-698
