联合二代Bandelet和Wavelet对图像进行分层压缩

一幅图像可以分解为匀质结构图和几何纹理图两个分量.基于这种思想,提出了一种使用二代Bandelet和小波对图像进行分层压缩的有效算法.首先,使用全变分方法把原始图像f分解为u和v两部分,其中u代表f中的结构分量,v代表纹理分量;对u进行小波变换,对v进行二代Bandelet变换.采用了自顶向下的四叉树分解算法,优化了二代Bandelet的四叉树建立过程.实验结果表明,该压缩方法的重建图像在视觉效果和客观SSIM值两方面均优于JPEG2000和Bandelets.     

加权核范数最小化和改进小波阈值函数的图像去噪算法

针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。     

一种图像去模糊正则化恢复算法参数确定方法

为了解决模糊正则化恢复算法中参数确定问题,提出一种正则化参数确定方法,该方法根据降质图像特征计算正则化参数.分析了目前普遍应用的全变分正则化方法和该问题的改进拉格朗日迭代解法(SALSA),分析不同正则化参数对恢复效果的影响,提出的正则化参数确定方法与噪声和原图像梯度大小相关.对不同梯度和噪声图像的不同正则化参数恢复效果进行对比,得到提出的正则化参数确定方法能使恢复图像的改进信噪比处于最大值附近.从实验视觉效果得出,该参数确定方法能够抑制降质图像的噪声并能够尽量恢复原图像细节信息.