文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 机械/仪表 > 分数阶微积分在图像处理中的研究综述
侵权投诉

分数阶微积分在图像处理中的研究综述

·418·

计算机应用研究

v

v

第29卷

将分数阶梯度算子替代整数阶梯度算子来构建去噪模型的能量泛函。4.1

基于分数阶Fourier变换的图像去噪模型

v

因为分数阶有界变差空间BV(Ω)是传统的有界变差空

算子Dx和Dy。基于Fourier变换的分数阶偏微分方程的去噪模型是利用分数阶Fourier变换的性质来得到Dx和Dy的数值解。

y)(x,y∈Ω),已知有噪声图像I(x,假设其在X和Y轴方其x和y方向的分数阶Fourier变换为向相互独立,

v

v

BV(Ω)空间是建立在传统梯度模值间BV(Ω)的推广和延伸,

BVv(Ω)空间就应该建立在分数阶梯度模值相应地,的基础上,

v

基础上。这样可以建立基于分数阶有界变差空间BV(Ω)的

能量泛函来描述噪声图像。

y),(x,y)∈Ω,已知噪声图像I(x,将ROF模型的正则项

v

梯度算子I用分数阶梯度算子I来替代,可以得到基于分

x

1(ω∧

ω2)(1-ej2πω1/N)ej2π(xω1+yω2)/N1,

DyI(x,y)=I(x,y)-I(x,y-1)=

1(ω1∧,ω2)(1-ej2πω2/N)ej2π(xω1+yω2)/N 的表达式对应关系为

DI(x,y)=I(x,y)-I(x-1,y)=

(32)

因此,由Fourier变换的性质可知,一阶差分的空域与频域

数阶偏微分方程去噪模型的能量泛函:

E(I)=∫ΩDvIdxdy+

v

λ

I0-I‖2L22

(24)

I∈BV(Ω),(x,y)∈Ω

{{{

4.2

DxI(x,y)(1-e-j2πω1/N)I(ω1,ω2)DyI(x,y)(1-e

-j2πω2/N

∧

)I(ω1,ω2)

∧

∧

(33)

其中:DvI=

(DxI)vDv+(DxI和DyI分别表示图像IyI)、

n阶差分的空域与频域的表达式对应关系为同理可知,

Dny)(1-e-j2πω1/N)nI(ω1,ω2)xI(x,DnyI(

x,y)(1-e

-j2πω2/Nn

∧

(x,y)关于X和Y轴的分数阶导数。

Lagrange方程,为了得到上述能量泛函的Euler-需要极小因此,利用变分法的性质构造相应能量泛函。化上述能量泛函,

g(ε)=E(I+εφ)=

∫Ω

λ

D(I+εφ)dxdy+‖I0-I-εφ‖2L2

2

v

(34)

)I(ω1,ω2)

由分数阶Fourier变换的基本性质可知,将整数阶次n推广到分数阶次v,即可得到基于分数阶Fourier变换的分数阶导数数值计算公式:

Dvy)(1-e-j2πω1/N)vI(ω1,ω2)xI(x,DvyI(

x,y)(1-e

-j2πω2/Nv

∧∧

(25)

其中:ε为任意实数,φ为任意函数。

∞

(Ω),利用泛函极值的基本性质,当φ∈C0有g'ε(0)=0,

(35)

Lagrange方程:可以得到相应的Euler-∫Ω

)I(ω1,ω2)

(

DvxIDvI

Dvxφ

+

DvyIDvI

Dvyφ

)

这样,由式(35)可以得到分数阶微分算子的共轭算子:

dxdy-λ∫Ω(I0-I)φdxdy=0(26)

为了得到最终的去噪模型,需要消除任意函数φ。因此,采用Parseval恒等公式∫Ωf·gdxdy=(26)进行处理,可得

∧∧DvDv1xIyIvv

D+D∫Ωφxφy

2πDvIDvI

1

∫fgdω1dω2对式2πΩ

-∧∧

{

Dvy)(1-e-j2πω1/N)vI(ω1,ω2)xI(x,DvyI(

x,y)(1-e

-j2πω2/Nv

∧

)I(ω1,ω2)

∧

(36)

基于分数阶基本定义的图像去噪模型

y),x,y∈Ω,已知有噪声图像I(x,并且假设噪声图像I(x,

(

∧∧

)

v

y)在X和Y轴方向相互独立,因此只考虑X轴方向的图像信·)的分数阶微积分数值计算。由分数阶微积分的G-L号I(x,

(27)

v∧∧

v

dω1dω2-

∧∧∧

λ

∫Ωφ(I0-I)dω1dω2=02π

∧

·)的分数阶微分为定义可知,图像信号I(x,

Gv

aDtI(

x,·)=

Dyφ=因为分数阶Fourier变换的性质有Dxφ=(j2πω1)φ,(j2πω2)vφ,并消除系数1/(2π)可以得出

∫Ω(j2πω1)vφ

∧

()

1

h

nN-1j=0

∑(-1)

j

Γ(v+1)

I(x-j;h)(37)

ΓΓ当步长h=1时可以得到

GvaDtI(

(

∧

∧DvxIv∧

∧

x)=∑(-1)

j=0

N-1

j

DI

+(j2πω2)vφ

∧

∧

∧

DvyIv

DI

)

∧

()

vj

I(x-j)(38)

dω1dω2-

(28)

v

假设函数c(x)满足

λ∫Ωφ(I0-I)dω1dω2=0cv(x)=

又因为函数φ的任意性,利用变分法的基本引理可得出

∧

{

(-1)0

x

()

vx

x≥0x<0

(39)

(j2πω1)

v

DvxIDvI

∧

+(j2πω2)

v

DvyIDvI

-λ(I0-I)=0

∧

因此,可以将信号的分数阶微积分改写为信号I(x)与函

(29)

v

数c(x)的卷积操作形式:

GvaDtI(

对式(29)两边先去共轭,然后再利用Fourier逆变换可以得出相应的图像去噪的分数阶偏微分方程:

Re

x)=cv(x)*I(x)(40)

v

于是,将式(40)代入基于分数阶BV(Ω)空间的能量泛

{[(

Dvx

DvxIDvI)(

+DvyDvxIDvI

+

DvyIDvI)]}

可得到基于卷积积分的分数阶变分模型:函,

-λ(I0-I)=0

(30)

E(I)=∫Ωcv*Idxdy+

λ

‖f-I‖2L22

(41)

最后利用梯度下降法,引入时间变量t,可以得到基于Fourier变换的分数阶偏微分方程的去噪模型:

I

=-Ret

{[(

Dvx)(

Dvy

DvyIDvI)]}

其中:

(31)

+λ(I0-I)

{

cv*I=

(c

*I)x+(c*I)y

y)dz(cv*I)x=∫Ωcv(z)I(x-z,(cv*I)y=∫Ωcv(z)I(x,y-z)dz

(42)

该模型最大的难点就是如何求取分数阶微分算子的共轭Lagrange,为了得到式(41)的Euler-与上节假设一样,仍然

上一页第5页

TOP相关主题

你可能喜欢

  • 线性代数公式
  • 易经全文翻译
  • 中越关系
  • 恐怖故事
  • 擒敌拳图解
  • 苹果双系统
  • 考研高数基础
  • 技术基础

热门文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email