删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于多通道空间光谱全变差的衍射光谱图像复原算法

本站小编 Free考研考试/2022-01-01

王 旭, 陈 强, 孙权森
(南京理工大学计算机科学与工程学院 南京 210094) (loxaywx@126.com)
出版日期: 2020-02-01


基金资助:国家自然科学基金项目(61673220)

Multichannel Spectral-Spatial Total Variation Model for Diffractive Spectral Image Restoration

Wang Xu, Chen Qiang, and Sun Quansen
(School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094)
Online: 2020-02-01


Supported by:This work was supported by the National Natural Science Foundation of China (61673220).




摘要/Abstract


摘要: 在衍射成像光谱仪成像过程中,准焦谱段成像会受到其他离焦谱段的干扰而产生模糊.现有的重构算法只利用了图像空间信息,并且对于此类不适定反问题的复原效果不佳.因此,提出了一种基于多通道空间光谱全变差的正则化方法来重构衍射光谱图像.首先根据衍射光谱成像原理构建退化光谱图像的观测模型,然后在最大后验概率框架下结合空间和光谱先验信息建立复原模型.该方法充分利用衍射光谱图像的局部空间平滑性和局部光谱平滑性,并使用交替方向乘子法对模型进行有效的优化.大量实验表明,与其他的衍射光谱图像重构方法相比,此复原模型在平均峰值信噪比、平均结构相似度、平均光谱角距离和视觉质量方面都具有一定的优越性.此外,对于多通道模糊重叠且受噪声干扰的病态问题,该模型能够在保证求解速度的情况下抑制噪声,保留边缘信息,减缓锯齿状光谱失真的情况.






[1]耿凤欢,刘慧,郭强,尹义龙. 基于变分光流估计的肺部4D-CT图像超分辨率重建[J]. 计算机研究与发展, 2017, 54(8): 1703-1712.
[2]吕国豪,罗四维, 黄雅平, 蒋欣兰. 基于卷积神经网络的正则化方法[J]. 计算机研究与发展, 2014, 51(9): 1891-1900.
[3]杨 欣, 周大可, 费树岷,. 基于自适应双边全变差的图像超分辨率重建[J]. , 2012, 49(12): 2696-2701.
[4]刘 鹏 张 岩 毛志刚. 一种脉冲噪声图像复原算法[J]. , 2006, 43(11): 1939-1946.





PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4126
相关话题/光谱 图像 空间 信息 计算机