用于图像去噪的加权结构张量全变分
最优化与控制
2024-04-05 v2 计算机视觉与模式识别
图像与视频处理
摘要
对于图像去噪问题，基于结构张量全变分（STV）的模型与其他竞争正则化方法相比表现出良好性能。然而，STV正则化子未耦合图像的局部信息，且可能无法保持图像细节。因此，我们采用各向异性全变分（ATV）模型中引入的各向异性加权矩阵来改进STV模型。通过将加权矩阵应用于STV中基于块的雅可比算子的离散梯度，我们提出的加权STV（WSTV）模型能在去噪过程中有效捕获图像局部信息并保持其细节。模型中的优化问题通过一种复杂度为的快速一阶梯度投影算法求解。对于具有不同高斯噪声水平的图像，实验结果表明，与其他TV和基于STV的模型相比，WSTV模型能有效提升复原图像的质量。
引用
@article{arxiv.2306.10482,
title = {Weighted structure tensor total variation for image denoising},
author = {Xiuhan Sheng and Lijuan Yang and Jingya Chang},
journal= {arXiv preprint arXiv:2306.10482},
year = {2024}
}