用于图像复原的空间变分全变差正则化

我们提出了两个新的变分模型，旨在超越流行的全变差（TV）模型，用于具有 L$_2$ 和 L$_1$ 保真项的图像复原。特别地，我们引入了 TV 正则化项的空间变分推广，称为 TV$_p^{SV}$，其中所谓的形状参数 $p$ 通过应用基于广义高斯分布的统计推断技术自动且局部地进行估计。复原图像通过使用交替方向乘子法程序高效计算。我们在受高斯模糊和两种重要噪声（即加性高斯白噪声和脉冲椒盐噪声）损坏的图像上验证了我们的模型。数值例子表明，所提出的方法对于具有广泛梯度分布特征的图像特别有效且适用。