基于Bivariate模型的非抽取小波域图像复原

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (27): 100-104.

基于Bivariate模型的非抽取小波域图像复原

程村

北京工商大学数理系高等数学教研室,北京 100037

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-21 发布日期:2007-09-21
通讯作者: 程村

Bivariate model based image restoration in un-decimated wavelet domain

CHENG Cun

Department of Mathematics and Physics,Beijing Technology and Business University,Beijing 100037,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-21 Published:2007-09-21
Contact: CHENG Cun

摘要/Abstract

摘要： 将Bivariate模型引入到图像复原中,以Bivariate概率分布函数作为自然图像小波系数向量的先验模型。从图像复原的Bayesian理论出发,提出基于Bivariate概率分布函数非抽取小波域的图像复原算法,并从自适应规整化的角度来分析该算法的有效性。通过对4幅标准测试图像复原实验,并将该算法复原结果与其他3种人们熟知的图像复原算法效果进行对比来证明该算法的有效性。

关键词: Bivariate概率分布函数, 图像复原, 非抽取小波变换, 共轭梯度法

Abstract: Regards the Bivairate Probability Distribution Function（PDF） as the apriori distribution of wavelet transform coefficients of natural images,and proposes an image restoration algorithm based on Bivariate distributions of un-decimated wavelet domain from the view of Bayesian theory.Discusses this restoration algorithm from the view of local adaptive regularization.At last,verifies this algorithm through performing experiments with four standard testing images and comparing with other some well-known restoration algorithms.

Key words: Biavariate Probability Distribution Function, image restoration, un-decimated wavelet transform, conjugate gradient method

程村. 基于Bivariate模型的非抽取小波域图像复原[J]. 计算机工程与应用, 2007, 43(27): 100-104.

CHENG Cun. Bivariate model based image restoration in un-decimated wavelet domain[J]. Computer Engineering and Applications, 2007, 43(27): 100-104.

[1]	桑亮1，2，3，4，高爽4，尹增山1，2，4. 基于生成对抗网络的运动模糊图像复原[J]. 计算机工程与应用, 2019, 55(6): 173-177.
[2]	雎青青1，李朝锋2，桑庆兵1. 改进多尺度卷积神经网络的单幅图像去雾方法[J]. 计算机工程与应用, 2019, 55(10): 179-185.
[3]	兰妙萍1，李朝锋1，2. 基于混合神经网络的图像复原方法[J]. 计算机工程与应用, 2018, 54(9): 201-206.
[4]	白鹏1，魏延恒2，安涛1，2. 基于PSF尺寸预估计的天文图像复原优化算法[J]. 计算机工程与应用, 2017, 53(16): 172-176.
[5]	曾佳，汪荣贵，王晶，董俊鹏. 基于高精度大气耗散函数的快速雾天图像复原[J]. 计算机工程与应用, 2016, 52(4): 194-199.
[6]	章忠宪1，黄德根2，顾亚丽1. 倒谱和快速全变差去卷积的运动模糊图像复原[J]. 计算机工程与应用, 2015, 51(8): 174-177.
[7]	王响平，王玲，陆谱进. 基于调和模型神经网络的彩色图像复原研究[J]. 计算机工程与应用, 2015, 51(4): 188-191.
[8]	姜欢，王瑜，王坚. Gabor小波分解和增益图约束的荧光显微图像复原[J]. 计算机工程与应用, 2015, 51(15): 157-160.
[9]	肖宿，郑颖. 基于稀疏表示的多正则优化图像复原[J]. 计算机工程与应用, 2015, 51(12): 203-207.
[10]	肖宿，洪留荣，沈克，郑颖. [L1-L2]正则化的图像复原交替优化算法[J]. 计算机工程与应用, 2014, 50(3): 125-128.
[11]	田娜1，朱龙超2. 求解热传导系数反问题的量子行为粒子群算法[J]. 计算机工程与应用, 2014, 50(24): 266-270.
[12]	高雷阜，陈曦，于冬梅. 信赖域共轭梯度法求解二次规划逆问题[J]. 计算机工程与应用, 2014, 50(1): 41-44.
[13]	田启川，田茂新，杨晓飞. 基函数神经网络权值直接确定的图像复原[J]. 计算机工程与应用, 2013, 49(8): 178-181.
[14]	余恕梅1，檀结庆2，王明珠3. 运动模糊图像复原结果中伪像的消除[J]. 计算机工程与应用, 2013, 49(5): 163-165.
[15]	黄全亮1，刘水清1，孙金海2，陈柯1. 融合学习算法的单帧图像超分辨率复原[J]. 计算机工程与应用, 2013, 49(23): 186-190.