Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  22,568,743
  • Công bố khoa học và công nghệ Việt Nam

50

Khoa học máy tính

Phạm Công Thắng, Trần Thị Thu Thảo, Đặng Hùng Vĩ(1), Trần Anh Kiệt, Nguyễn Thế Xuân Ly, Phạm Anh Phương(2)

Một phương pháp khử nhiễu hình ảnh dựa trên biến phân tổng quát không lồi

An image-denoising method based on non-convex total generalized variation

Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng

2023

3

80-84

1859-1531

Khôi phục hình ảnh gốc từ hình ảnh nhiễu quan sát được là một nhiệm vụ cơ bản trong khoa học hình ảnh. Nhiệm vụ đầy thách thức đối với khử nhiễu hình ảnh là loại bỏ nhiễu và bảo toàn các chi tiết của hình ảnh. Trong bài báo này, nhóm tác giả đề xuất về mô hình khử nhiễu ảnh với nhiễu Poisson. Mô hình được xây dựng dựa trên biến phân tổng quát không lồi có khả năng khôi phục hình ảnh với bảo toàn biên sắc nét và khắc phục được hiệu ứng bậc thang một cách đồng thời. Đối với vấn đề tối ưu, nhóm tác giả sử dụng phương pháp tách biến kết hợp với thuật toán lặp lại có trọng số và thuật toán đối ngẫu nhằm tìm nghiệm tối ưu một cách hiệu quả. Các kết quả mô phỏng thực nghiệm được đưa ra và so sánh với các giải pháp liên quan để chứng minh tính hiệu quả của giải pháp đề xuất.

Restoring the original image from the observed noisy image is a fundamental task in imaging science. The challenging task of image denoising is to remove noise and preserve the image details. In this paper, the authors propose an image-denoising model under Poisson noise. The model is built based on the nonconvex total generalized variation for image restoration with preserving neat edges and overcoming the staircase effect simultaneously. For the optimization problem, the authors use a variable splitting method combined with an iteratively reweighted algorithm and dual algorithm to find the optimal solution efficiently. Experimental simulation results are given and compared with related solutions to prove the effectiveness of the proposed method.

TTKHCNQG, CVv 465