混合泊松-高斯噪声下快速最小化粗糙度的图像复原
图像与视频处理
2019-03-11 v2
摘要
许多生物医学成像模态中的图像采集会受到泊松噪声随后加性高斯噪声的污染。虽然已知用于求解生物医学逆问题的全变分及相关正则化方法能产生高质量重建，但此类方法大多使用高斯或泊松噪声模型的对数似然，很少使用混合泊松-高斯（PG）噪声模型。近期有工作处理精确的 PG 似然与全变分正则化。该方法利用 PG 模型的对数似然并结合全变分正则化，采用原始-对偶分裂算法，其步长被限制为不超过 PG 对数似然的 Lipschitz 常数之逆。这导致了收敛速度上的局限。另一方面，ADMM 方法没有此类步长限制；然而，ADMM 从未被应用于该问题，可能的原因是 PG 对数似然相当复杂。在本文中，我们针对 PG 对数似然下全变分最小化图像复原，开发了基于 ADMM 的优化方法。为此，我们首先提出了一种计算 PG 对数似然近端解的新型迭代方法，推导了该迭代方法的终止条件，然后将其整合进可证明收敛的 ADMM 格式中。所提方法的有效性通过复原实例得以展示。
引用
@article{arxiv.1902.11173,
title = {Fast roughness minimizing image restoration under mixed Poisson-Gaussian noise},
author = {Manu Ghulyani and Muthuvel Arigovindan},
journal= {arXiv preprint arXiv:1902.11173},
year = {2019}
}
备注
19 pages, 6 figures, 4 tables Submitted to IEEE-TIP