基于原始 对偶算法的自适应加权广义全变差图像去模糊

传统全变差(TV)正则化图像复原仅考虑图像的一阶梯度特征, 具有图像噪声敏感、平坦区域阶梯效应明显等缺点。针对此类问题, 将广义全变差(TGV)应用于图像去模糊领域, 提出自适应加权的TGV图像去模糊模型, 该模型能够根据图像局部结构自适应调整权值, 在去模糊的同时避免阶梯效应, 有效保持图像边缘并抑制噪声。提出基于原始-对偶的自适应加权TGV去模糊模型的迭代求解算法, 实验结果表明, 利用本文算法可获得高质量复原图像, 且时间复杂度低, 求解速度快。