A New Cross-Space Total Variation Regularization Model for Color Image Restoration with Quaternion Blur Operator

要約

カラー画像処理におけるクロスチャネルぼけ除去の問題は、カラーピクセルの複雑な結合と構造的なぼけのため、解決することが困難です。
これまで、ぼけ除去プロセスにおける色の影響を軽減できる効率的なアルゴリズムはほとんどありませんでした。
この困難な問題を解決するために、四元数ぼかし演算子と色空間間正則化関数を導入することにより、カラー画像のぼけ除去のための新しい空間間トータルバリエーション (CSTV) 正則化モデルを提案します。
解の存在と独自性が証明され、異なる色空間での正則化関数の適切なバランスを見つけるための新しい L カーブ法が提案されます。
オイラー ラグランジュ方程式は、CSTV がすべてのカラー チャネルの結合と各カラー チャネル内のローカル スムージングを考慮していることを示すために導出されます。
CSTV正則化モデルの色感染低減能力を強化するために,四元数演算子分割法を最初に提案した。
この戦略は、よく知られている色のぼやけ除去モデルにも適用されます。
カラー画像データベースの数値実験により、新しいモデルとアルゴリズムの効率と操作性が実証されました。
これらによって復元されたカラー画像は、色情報と空間情報をうまく維持しており、PSNR、SSIM、MSE、および CIEde2000 の点で、最先端の方法による復元よりも高品質です。

要約(オリジナル)

The cross-channel deblurring problem in color image processing is difficult to solve due to the complex coupling and structural blurring of color pixels. Until now, there are few efficient algorithms that can reduce color infection in deblurring process. To solve this challenging problem, we present a novel cross-space total variation (CSTV) regularization model for color image deblurring by introducing a quaternion blur operator and a cross-color space regularization functional. The existence and uniqueness of the solution is proved and a new L-curve method is proposed to find a sweet balance of regularization functionals on different color spaces. The Euler-Lagrange equation is derived to show that CSTV has taken into account the coupling of all color channels and the local smoothing within each color channel. A quaternion operator splitting method is firstly proposed to enhance the ability of color infection reduction of the CSTV regularization model. This strategy also applies to the well-known color deblurring models. Numerical experiments on color image databases illustrate the efficiency and manoeuvrability of the new model and algorithms. The color images restored by them successfully maintain the color and spatial information and are of higher quality in terms of PSNR, SSIM, MSE and CIEde2000 than the restorations of the-state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google