知识导航
资源分类

基于加权TV/SAR联合先验与最小线性KL散度的图像重构算法

基于加权TV/SAR联合先验与最小线性KL散度的图像重构算法

Image Reconstruction Algorithm Based on Combining Priori Model of Weighted TV-SAR and Minimizing the Linear Convex Combinations of Kullback-Leibler

Image Reconstruction Algorithm Based on Combining Priori Model of Weighted TV-SAR and Minimizing the Linear Convex Combinations of Kullback-Leibler

doi:
10.3969/j.issn.1000-8829.2016.01.010
摘要:
为了消除当前图像重构算法存在的振铃效应,避免过度平滑图像纹理区域,使其兼顾较好的细小边缘保持与丰富纹理,以获取较高的重构图像视觉质量,提出了基于加权TV(total variation)/SAR(simutanneous auto-regression)联合先验与最小线性KL散度凸组合的图像重构算法.引入权重因子,从退化图像中提取出非局部SSIM约束,联合TV函数,设计加权TV图像正则先验,增强稀疏性;根据SAR先验与加权TV正则先验,获取重构图像的联合后验分布;再建立最小线性KL散度函数凸组合,并引入最优最小化技术,求解后验分布,完成贝叶斯推理.并研究了本文算法在不同退化程度下的用户响应.测试结果显示:与当前图像重构技术相比,本文算法的复原效果较为理想;在图像受损严重时,本文算法更受用户欢迎.
作者 王恒 郑笔耕
Author: WANG Heng ZHENG Bi-geng
作者单位 荆楚理工学院电子信息工程学院,湖北荆门,448000
期 刊: 测控技术 ISTIC EI SCI PKU CSSCI
Journal: Measurement & Control Technology
年,卷(期) 2016, 35(1)
分类号 TP391
关键词: 图像重构 知识脉络 加权TV正则先验 知识脉络 非局部SSIM约束 知识脉络 联合先验模型 知识脉络 最小线性KL散度凸组合 知识脉络 贝叶斯推理 知识脉络
Keywords: image reconstruction weighted TV regularization prior non-local SSIM constraint combining prior model minimizing the linear convex combinations of Kullback-Leibler Bayesian inference
机标分类号 TP3 TN9
基金项目 2012年荆门市市级研究与开发引导计划,2012年荆楚理工学院校级科研项目
参考文献和引证文献
返回顶部参考文献
返回顶部引证文献
返回顶部本文读者也读过
返回顶部相似文献
返回顶部相关博文

知识产权声明| 服务承诺| 联系我们| 人才招聘| 客户服务| 关于我们

京ICP证:010071  互联网出版许可证:新出网证(京)字042号  京公网安备11010802020237号
万方数据知识服务平台--国家科技支撑计划资助项目(编号:2006BAH03B01)©北京万方数据股份有限公司  万方数据电子出版社