基于重叠群稀疏分数阶全变分正则化模型的图像去噪算法

为了兼顾图像边缘和纹理信息的恢复,提出了重叠群稀疏分数阶全变分正则化图像去噪(overlapping group sparse fractional order total variation regularization,OGS-FOTV)模型.该模型利用图像分数阶变分域的重叠群稀疏度量作为正则项,用经典的L2范数作为保真项.利用交替方向乘子法(alternating direction method of multipliers,ADMM)将模型分解成若干个子问题分别求解.其中,重叠群稀疏分数阶正则化子的结构十分复杂,因此利用均值不等式构造出该子问题的1个替代函数后,再使用优化-最小化(majorize-minimize,MM)算法对其求解.实验结果表明,OGS-FOTV模型能较好地恢复图像的纹理和边缘信息,且和一些先进的变分模型相比,OGS-FOTV模型在峰值信噪比(peak signal noise ratio,PSNR)和结构相似度(structural similarity index measure,SSIM)上具有最佳的性能.