导读:本文包含了全变差模型论文开题报告文献综述及选题提纲参考文献，主要关键词:纹理,图像分割,非局部,多通道全变差
全变差模型论文文献综述
杨振宇,潘振宽,王国栋[1]（2019）在《彩色纹理图像分割的非局部Mumford-Shah多通道全变差模型》一文中研究指出彩色纹理图像分割的困难在于纹理图像成分的描述及彩色图像层与层之间的耦合。为解决该问题,基于多通道全变差规则项可优化彩色图像层与层之间的耦合,非局部算子可以描述纹理图像特征的特点,提出了彩色纹理图像分割的非局部Mumford-Shah多通道全变差变分模型。所提模型综合多通道全变差模型、非局部Mumford-Shah模型优点,并用二值标记函数划分区域。为了提高数值计算效率,对所提出模型设计了ADMM(alternating direction method of multipliers)优化算法。最后,通过数值实验对比以及定性与定量分析表明方法对于彩色纹理图像的分割取得较好结果。(本文来源于《重庆大学学报》期刊2019年01期）
向雨晴,杨晓梅[2]（2018）在《基于分数阶和非局部全变差模型的图像去模糊》一文中研究指出为减少阶梯效应,同时更好地利用图像本身的信息,提出一种结合分数阶全变差(FOTV)和非局部全变差(NLTV)模型的非盲去模糊图像重建方法。分别用FOTV和NLTV约束由全局梯度提取法(GGES)分解而成的平滑区和纹理区,建立图像非盲去模糊的正则化模型,分别采用交替方向乘子法(ADMM)和分裂Bregman操作符(BOS)算法求解两个子问题。充分的实验结果表明,该模型减少了平滑区的阶梯效应,更好地恢复了图像的纹理细节,验证了该模型的可行性和算法的有效性。(本文来源于《计算机工程与设计》期刊2018年07期）
罗广利,杨晓梅[3]（2016）在《结合全变差和分数阶全变差模型的图像去模糊》一文中研究指出为从模糊图像中恢复出更多细节和纹理信息,提出一种基于结合全变差(TV)和分数阶全变差(FOTV)模型的数字图像去模糊方法。用全局梯度提取法将模糊图像分解成平滑区域、凸边和纹理3部分,用全变差模型约束平滑区域和凸边,用分数阶全变差模型约束细节部分,建立去模糊的凸优化模型,用变量分裂和交替方向法快速求解该模型。实验结果验证了该模型和求解算法的有效性和快速性,给出了每组实验的PSNR和SSIM值。(本文来源于《计算机工程与设计》期刊2016年07期）
张锦华,侯燕,杨俊[4]（2015）在《基于非局部全变差模型的图像复原方法》一文中研究指出面向图像复原问题,提出一种非局部的全变差图像复原方法。该方法将传统的全变差模型拓展为非局部变差模型,充分利用非局部子块对结构的保持作用,进一步提高复原图像的质量。此外,为了解决上述的非局部全变差模型,引入算子运算简化目标函数,再利用迭代的Splitting算法对其进行交替求解,提高收敛精度。实验结果表明,此算法在视觉效果和客观评价指标两方面均优于传统算法。(本文来源于《量子电子学报》期刊2015年03期）
王斌,胡辽林,薛瑞洋[5]（2014）在《基于退化转换及可分离全变差模型的图像修复》一文中研究指出空域重迭的模糊和噪声引起图像退化,修复通常比较复杂。为简化图像修复,提高修复质量,提出利用二阶逼近算子将传统图像修复中既含噪声又含模糊的双退化模型转化为只含"动态噪声"的单退化模型。在传统全变差模型的基础上,提出了一种利用低维差分投影的思想,建立元素可分离的全变差模型,利用一阶梯度下降算法解决"动态噪声"问题。仿真结果表明,该方法适用于多种退化模型,即使在强退化环境下,依然可以有效地去除噪声和模糊,保留图像边缘和细节信息,使退化图像恢复到较理想的状态。(本文来源于《光学学报》期刊2014年10期）
马秀丽,周峰,周小军[6]（2014）在《基于NSCT和全变差模型的医学图像去噪(英文)》一文中研究指出分析了非下采样Contourlet变换(nonsubsampled Contourlet transform,NSCT)和全变差模型的特点,提出将NSCT和全变差混合模型应用于医学图像去噪.首先,通过NSCT变换将含噪图像分解,运用Visu萎缩阈值将NSCT系数进行处理,得到初次去噪图像.然后,采用全变差模型对初次去噪图像进一步处理得到最终去噪图像.实验结果表明:该方法可以很好地保留图像细节,无论在客观上的峰值信噪比还是主观上的视觉效果都优于其他去噪方法.(本文来源于《应用科学学报》期刊2014年05期）
胡辽林,王斌,薛瑞洋,王亚萍[7]（2014）在《基于可分离全变差模型的图像去噪》一文中研究指出在传统离散全变差模型的基础上,利用低维投影思想,建立了元素可分离的全变差模型;结合Frobenius范数,根据图像的凸性,提出利用凸优化方法求解元素可分离的离散全变差问题,并将其应用于图像去噪.仿真表明:对于添加方差为0.1的随机噪音的256×256图像,去噪后峰值信噪比可达到28.5dB左右,并且能有效地保持轮廓和细节,说明该方法对随机噪音具有良好的去除能力;通过改变迭代次数可灵活平衡计算速度和准确度以适应不同的去噪要求.(本文来源于《光子学报》期刊2014年09期）
黄秋燕,肖鹏峰,冯学智,王珂[8]（2014）在《结合相位一致与全变差模型的高分辨率遥感图像边缘检测》一文中研究指出目的边缘检测是有效利用遥感数据开展地物目标自动识别的重要步骤。高分辨率遥感图像地物类型复杂,细节信息过于丰富,使得基于相位一致的边缘检测结果中存在过多的噪声与伪边缘。为此提出了一种结合相位一致与全变差模型的高分辨率遥感图像边缘检测方法。方法根据相位一致原理,应用Log Gabor构造的2维相位一致模型,引入全变差去噪模型对基于相位一致的边缘强度图进行改进。结果借助有界变差空间对图像光滑性的约束,实现了高分辨率遥感图像噪声去除与伪边缘抑制,利用改进后的相位一致边缘强度图可有效检测高分辨率遥感图像的边缘。结论实验结果表明,与相位一致模型、Canny算法相比,该方法能消除了高分辨率遥感图像中同类地物内部细节特征形成的噪声,抑制相位一致边缘检测结果中的伪边缘,突出地物的真实边缘,并能正确地提取地物目标的整体轮廓信息,有助于后续地物目标的自动识别。(本文来源于《中国图象图形学报》期刊2014年03期）
杨扬,刘哲,张萌[9]（2012）在《一种基于全变差模型的欠采样图像重构方法》一文中研究指出基于全变差范数最小化模型,构造了一种新的图像重构算法;利用欠采样域内的融合信息,结合构造的图像重构算法,提出了一种基于压缩感知理论的图像融合模型.数值实验表明,构造的重构算法与传统算法相比,在一定程度上减少了所需的采样数量;提出的融合模型对多类图像具有较优的融合效果.(本文来源于《红外与毫米波学报》期刊2012年02期）
王旭东,冯象初,霍雷刚[10]（2012）在《去除乘性噪声的重加权各向异性全变差模型》一文中研究指出恢复含乘性噪声的图像是当前图像处理的重要研究课题.本文提出基于迭代重加权的各向异性全变差(Total variation,TV)模型.新模型中,假定乘性噪声服从Gamma分布.正则项采用加权的各向异性全变差,其中,自适应权函数由期望最大(Expectation maximization,EM)算法得到.新模型在有效去噪的同时,较好地保留了图像的边缘和细节信息,同时能够有效地抑制"阶梯效应".数值实验验证了新模型的效果.(本文来源于《自动化学报》期刊2012年03期）
全变差模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为减少阶梯效应,同时更好地利用图像本身的信息,提出一种结合分数阶全变差(FOTV)和非局部全变差(NLTV)模型的非盲去模糊图像重建方法。分别用FOTV和NLTV约束由全局梯度提取法(GGES)分解而成的平滑区和纹理区,建立图像非盲去模糊的正则化模型,分别采用交替方向乘子法(ADMM)和分裂Bregman操作符(BOS)算法求解两个子问题。充分的实验结果表明,该模型减少了平滑区的阶梯效应,更好地恢复了图像的纹理细节,验证了该模型的可行性和算法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
全变差模型论文参考文献
[1].杨振宇,潘振宽,王国栋.彩色纹理图像分割的非局部Mumford-Shah多通道全变差模型[J].重庆大学学报.2019
[2].向雨晴,杨晓梅.基于分数阶和非局部全变差模型的图像去模糊[J].计算机工程与设计.2018
[3].罗广利,杨晓梅.结合全变差和分数阶全变差模型的图像去模糊[J].计算机工程与设计.2016
[4].张锦华,侯燕,杨俊.基于非局部全变差模型的图像复原方法[J].量子电子学报.2015
[5].王斌,胡辽林,薛瑞洋.基于退化转换及可分离全变差模型的图像修复[J].光学学报.2014
[6].马秀丽,周峰,周小军.基于NSCT和全变差模型的医学图像去噪(英文)[J].应用科学学报.2014
[7].胡辽林,王斌,薛瑞洋,王亚萍.基于可分离全变差模型的图像去噪[J].光子学报.2014
[8].黄秋燕,肖鹏峰,冯学智,王珂.结合相位一致与全变差模型的高分辨率遥感图像边缘检测[J].中国图象图形学报.2014
[9].杨扬,刘哲,张萌.一种基于全变差模型的欠采样图像重构方法[J].红外与毫米波学报.2012
[10].王旭东,冯象初,霍雷刚.去除乘性噪声的重加权各向异性全变差模型[J].自动化学报.2012