使用Split-Bregman算法的散斑图像全变差复原
最优化与控制
2009-03-25 v1
摘要
乘性噪声模型出现在若干相干成像系统的研究中，例如合成孔径雷达和声纳，以及超声和激光成像。这种噪声通常也称为散斑。与流行的加性高斯噪声模型相比，乘性噪声引入了两个额外的困难层：(1) 噪声与原始图像相乘（而非相加），(2) 噪声不是高斯的，常用密度包括瑞利分布和伽马分布。乘性噪声模型的这两个特征阻碍了最先进复原方法的直接应用，例如那些基于全变差或小波正则化与二次观测项相结合的方法。在本文中，我们通过以下方式解决这些困难：(1) 使用取对数的常见技巧将乘性模型转换为加性模型，(2) 采用最近提出的分裂Bregman方法在全变差正则化下估计底层图像。该方法基于构建一个等价于原始无约束问题的约束问题，然后使用Bregman迭代（等价于增广拉格朗日方法）求解。一组实验表明，所提出的方法产生了最先进的结果。
引用
@article{arxiv.0903.4162,
title = {Total Variation Restoration of Speckled Images Using a Split-Bregman Algorithm},
author = {Jose M. Bioucas-Dias and Mario A. T. Figueiredo},
journal= {arXiv preprint arXiv:0903.4162},
year = {2009}
}
备注
4 pages, 1 table, 2 figures. Submitted to the IEEE International Conference on Image Processing, 2009