总变分(TV)图像恢复

Matlab code for image restoration based on TV

基于单一全变分正则的多通道图像盲复原算法容易使复原图像产生振铃效应、丢失高频细节信息。针对这个问题,利用模糊图像暗像素的非稀疏性,提出一种基于全变分和暗像素的多通道图像盲复原算法。针对全变分和暗像素双

为提高雾天图像增强的对比度并保持颜色恒常性,提出了基于全变分 Retinex 及梯度域的雾天图像增强算法。首先,采用高斯—赛德尔 GS(Gauss-Seidel)迭代算法对基于 Retinex 的全变

针对确定性盲复原中的振铃、阶梯现象和噪声抑制不充分的问题，将高阶P-Laplace算子引入到经典的全变分盲复原方法中。首先利用shock滤波器进行清晰边缘预测，后根据自然图像中像素的变化规律，对图像的

构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型

一种改进的磁共振图像去噪变分模型（Animprovedvariationalmodelfordenoisingmagneticresonanceimages）

对单幅雾霾图像的图像处理问题进行了分析。鉴于现有方法不能很好恢复场景深度变化较大的图像,本文融合大气衰减模型与变分偏微分方程,提出了一种单幅彩色图像去雾算法。该算法利用数学形态学中的中值集算子构造局部

在图像修复的变分模型中引入Euler弹性项可有效修复大破损区域,但直接对该模型变分将导致高阶偏微分方程,其离散差分格式复杂、计算效率低。本文通过引入多个辅助变量和Bregman迭代参数将原模型转化为简

一种基于变分的红外和微光遥感图像融合模型

提出一种消除阶梯效应与增强细节的变分Retinex红外图像增强新算法。将高斯曲率正则项应用到变分Retinex模型的构建中,采用一阶微分对模型添加细节增强约束项,实现细节信息的自适应增强。结合邻域差分