保持泊松噪声图像细节的快速变分去噪算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (20): 172-176.

保持泊松噪声图像细节的快速变分去噪算法

杨燕，金正猛，蒋晓连，刘艳，张永燕

南京邮电大学理学院，南京 210046

出版日期:2016-10-15 发布日期:2016-10-14

Fast variational algorithm based on detail preserving for Poisson noise removal

YANG Yan, JIN Zhengmeng, JIANG Xiaolian, LIU Yan, ZHANG Yongyan

School of Science, Nanjing University of Posts and Telecommunications, Nanjing 210046, China

Online:2016-10-15 Published:2016-10-14

摘要/Abstract

摘要： 去除医学、天文图像中的泊松噪声一直是人们关注的热点问题之一。在充分分析泊松去噪[α]-Le模型的基础上结合交替方向乘子（ADMM）算法，给出该模型一基于框式约束的快速求解算法，并证明了该算法的收敛性。数值实验结果表明，该算法在去噪的同时，不仅能很好地保留图像中的边缘及小细节特征，还能大幅提高运算效率。

关键词: 图像去噪, 泊松噪声, 交替方向乘子（ADMM）算法, 细节

Abstract: The removal problem of Poisson noise in the medical, astronomical images has been one of the hot topics until now. In this paper, it firstly analyzes the [α]-Le model of Poisson noise removal and develops a fast algorithm based on a box constraint to solve numerically the model by incorporating Alternating Direction Multiplier（ADMM） algorithm. Then the convergence of the fast algorithm is proved. Finally, numerical results are reported to show that the proposed algorithm, at the same time of denoising, not only preserves small detail characteristics in images, but also improves greatly the computational efficiency.

Key words: image denoising, Poisson noise, Alternating Direction Method of Multipliers（ADMM） algorithm, details

杨燕，金正猛，蒋晓连，刘艳，张永燕. 保持泊松噪声图像细节的快速变分去噪算法[J]. 计算机工程与应用, 2016, 52(20): 172-176.

YANG Yan, JIN Zhengmeng, JIANG Xiaolian, LIU Yan, ZHANG Yongyan. Fast variational algorithm based on detail preserving for Poisson noise removal[J]. Computer Engineering and Applications, 2016, 52(20): 172-176.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[5]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[6]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[7]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[8]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[9]	谢伟1，王莉明1，胡欢君1，涂志刚2. 结合引导滤波的自适应多曝光图像融合[J]. 计算机工程与应用, 2019, 55(4): 193-199.
[10]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[11]	李敏，章国豪，曾建伟，杨晓锋，胡晓敏. 结合Inception模型的卷积神经网络图像去噪方法[J]. 计算机工程与应用, 2019, 55(20): 139-144.
[12]	张龙，刘朝霞，刘洪琛. 一种去除椒盐噪声带L1保真项的混合变分模型[J]. 计算机工程与应用, 2019, 55(1): 210-216.
[13]	魏子衿1，2，3，肖丽2，3. 基于区域分解的并行动态LOD构建算法[J]. 计算机工程与应用, 2018, 54(6): 168-177.
[14]	马红强，马时平，许悦雷，吕超，辛鹏，朱明明. 基于改进栈式稀疏去噪自编码器的图像去噪[J]. 计算机工程与应用, 2018, 54(4): 199-204.
[15]	付争方1，朱虹2. 多尺度细节融合的多曝光高动态图像重建[J]. 计算机工程与应用, 2018, 54(24): 182-187.