一种改进的最小二乘正则化的图像复原方法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 63-65.

一种改进的最小二乘正则化的图像复原方法

何蕾^1,2,檀结庆^1,2,张平²

1.合肥工业大学理学院，合肥 230009
2.合肥工业大学计算机与信息学院，合肥 230009

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 何蕾

Improved method for image restoration based on least-squares and regularization

HE Lei^1,2,TAN Jie-qing^1,2,ZHANG Ping²

1.College of Sciences，Hefei University of Technology，Hefei 230009，China
2.College of Computer and Information，Hefei University of Technology，Hefei 230009，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: HE Lei

摘要/Abstract

摘要： 在常用的最小二乘正则化方法的基础上，提出了一种改进的图像复原方法。在运算中，首先用四阶偏微分方程方法对模糊图像进行噪声处理，得到一幅中间图像，然后对这个中间图像采用最小二乘正则化方法进行处理，便得到了最终的复原图像。实验表明，该方法不仅能克服问题的病态性，而且复原后的图像比最小二乘正则化方法复原后的图像整体视觉效果和峰值信噪比都有明显的提高。

关键词: 图像复原, 最小二乘, 正则化, 四阶偏微分方程

Abstract: An improved method for image restoration is presented in this paper，which is based on least-squares and regularization method.Firstly fourth-order partial differential equations are used to remove the blurred image’s noise to get a transition image，and then the least-squares and regularization methods are adopted to deal with the transition image to get a final image.The experimental results show that the method not only overcomes ill-posed problem，but also the restored image’s visual effect and peak signal to noise ratio are improved significantly compared with least-squares and regularization methods.

Key words: image restoration, least-squares, regularization, fourth-order partial differential equations

何蕾^1,2,檀结庆^1,2,张平². 一种改进的最小二乘正则化的图像复原方法[J]. 计算机工程与应用, 2008, 44(1): 63-65.

HE Lei^1,2,TAN Jie-qing^1,2,ZHANG Ping². Improved method for image restoration based on least-squares and regularization[J]. Computer Engineering and Applications, 2008, 44(1): 63-65.

[1]	程帅，吴华锋，梅骁峻. 交替非负约束框架的海洋传感网协同定位[J]. 计算机工程与应用, 2021, 57(23): 129-136.
[2]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[3]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[4]	杜伟，傅游. 基于GPU的最小二乘蒙特卡罗算法期权定价[J]. 计算机工程与应用, 2020, 56(4): 225-229.
[5]	刘家骥，包崇明，周丽华，王崇云，孔兵. 图正则化非负矩阵分解的异质网社区发现[J]. 计算机工程与应用, 2020, 56(21): 131-138.
[6]	赵童，黄钲，王秀超，李淼，张昀，郑秀娟，刘凯. 心理测试中掩饰行为的识别研究[J]. 计算机工程与应用, 2020, 56(20): 158-164.
[7]	于润泽，习俊通. 白车身复杂装配特征点云提取及参数计算[J]. 计算机工程与应用, 2020, 56(19): 244-251.
[8]	熊航，杨任农，梁晓龙，侯岳奇，王维佳. 无人机单目视觉AOA三维定位方法[J]. 计算机工程与应用, 2020, 56(17): 210-216.
[9]	刘春玲，张黎. 改进非对称相似度和关联正则化的推荐算法[J]. 计算机工程与应用, 2020, 56(16): 45-49.
[10]	陈晓倩，刘瑞祥. 基于最小二乘策略迭代的无人机航迹规划方法[J]. 计算机工程与应用, 2020, 56(1): 191-195.
[11]	庞丽莉1，许其清1，谢家烨1，2. 椭球约束下减小三维定位中的非视距误差[J]. 计算机工程与应用, 2019, 55(7): 115-119.
[12]	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.
[13]	闫丽萍1，马家军1，陈文兴2. 稀疏结构化最小二乘双支持向量回归机[J]. 计算机工程与应用, 2019, 55(3): 10-14.
[14]	张晓婷，何朗，黄樟灿，谈庆. 基于MFR-GEP的高阶常微分方程预测模型[J]. 计算机工程与应用, 2019, 55(21): 247-253.
[15]	王盛，杨信丰. 基于EEMD-GWO-LSSVM的公共交通短期客流预测[J]. 计算机工程与应用, 2019, 55(20): 216-221.