分数阶原始对偶去噪模型及其数值算法(7)

分数阶原始对偶去噪模型及其数值算法

中国图象图形学报

ＪｏＵＲＮＡＬＯＦｌＭＡＧＥＡＮＤＧＲＡＰＨｌＣＳ

表２几种变分算法迭代次数和ＣＰｕ时间（ｆ）的比较

Ｔａｂｌｅ２

Ｃｏｍｐａ—ｓ蚰ｏｆ

ｔｈｅ

ｎ咖ｂｅｒ０ｆ

ｉｔｅｒａｔｉ蛐ｓ

ａｎｄｔｈｅ

ＣＰＵ

ｔｉｍｅｓ彻ｓｅｖｅ瑚ｌ

ｖａ—ａｔｉ＿Ｄｎａｌｇｏ—ｔｈｍｓ

不难看出，本文采用的基于预解式的原始对偶

算法收敛速度明显优于其他测试算法。

由定义可知，一阶梯度算子是由有限项组成的

局域算子，而分数阶梯度算子是由无限项组成的全

局算子，所以分数阶模型的实现在速度上要比一阶情况慢。表３中给出了去噪Ｌｅｎａ图像，当Ａ＝８，解

的均方根误差ｓ≤１０～，在不同分数阶次下分数阶原始对偶算法的迭代次数和ＣＰｕ时间的比较。

表３不同分数阶次下迭代次数和ＣＰＵ时间（ｆ）的比较

Ｔａｂｌｅ３

Ｃｏｍｐａｒｉｓｏｎｏｆ

ｔｈｅ肌ｍｂｅｒｏｆ

ｉｔｅ阳ｔｉｏ璐ａｎｄｔｈｅ

ＣＰＵｔｉｍｅｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｆ｝ａｃｔｉｏｎａｌｏｒｄｅｒ

结果表明，随着分数阶次的增加，算法的收敛速度变慢。这与前面关于原始对偶间隔变化情况的测试结论相一致。

４

结论

提出了一种与分数阶ＲＯＦ去噪模型等价的分

数阶原始对偶去噪模型。它与鞍点优化模型在结构

上具有相似性，故可采用一种求解鞍点问题的原始

对偶数值算法实现。该算法采用自适应变步长迭代，弥补了一些传统数值算法对步长要求过高的缺陷。实验结果表明，提出的分数阶原始对偶模型能

万方数据

ＶＯ｛１９．Ｎ０．６．Ｊｕｎ．２０１４

有效改善图像的视觉效果，抑制“阶梯效应”，保留纹理和细节信息。同时采用的基于预解式的原始对

偶数值算法在特定参数取值范围内能有效收敛，且收敛速度较快。

参考文献（Ｒｅｆｅｒｅｎｃｅｓ）

［１］

ＲｕｄｉｎＬＩ，０ｓｈｅｒｓ，Ｆａｔｅｍｉ

Ｅ．Ｎｏｎｌｉｎｅａｒｔｏｔａｌｖａｒｉａｔｉｏｎｂａｓｅｄｎｏｉｓｅｒｅｍｏｖａｌａ１９０ｒｉｔｈｍｓ［Ｊ］Ｐｈｙｓｉｃａ

Ｄ，１９９２，６０（１４）：２５９一

２６８．

［２］

Ｍａｓｘ，Ｊｉａｎｇｃｓ．Ａ

ｎｅｗ

ｍｅｔｈｏｄｆｏｒｉｍａｇｅｂｌｉｎｄｒｅｓｔｏｒａｔｉｏｎ

ｂａｓｅｄ

ｏｎ

ｆｏｕｒｔｈ—ｏｒｄｅｒ

ＰＤＥ［Ｊ］．Ｊｏｕｍａｌ０ｆＩｍａｇｅａｎｄ

Ｇ憎ｐｈｉｃｓ，

２０１０，１５（１）：２６－３０．［马少贤，江成顺．基于四阶偏微分方程的盲图像恢复模型［Ｊ］．中国图象图形学报，２０ｌＯ，１５（１）：２６－３０．］

［３］

Ｌｉｕｘ，ＨｕａｎｇＬ，Ｇｕｏ

ｚ．Ａｄ印ｔｉｖｅｆｏｕｒｔｈ—ｏｒｄｅｒｐａｒｔｉａｌｄｉｆｋｒｅｎｔｉ—

ａｌｅｑｕａｔｉｏｎｆｉｌｔｅｒｆｏｒｉｍａｇｅｄｅｎｏｉｓｉｎｇ［Ｊ］．Ａｐｐｌ．Ｍａｔｈ．Ｌｅｔｔｅｒｓ，

２０“，２４（８）：１２８２一１２８８．

［４］

ｓｕｎ

Ｊ，ＰａｎｚＫ，ｗｅｉｗＢ，ｅｔａ１．Ｈｉｇｈ—ｏｒｄｅｒｉｍａｇｅｄｉｆｆｈｓｉｏｎ

ｍｏｄｅｌ

ｏｎ

ｉｍｐｌｉｃｉｔ

ｓｕｒｆａｃｅｓ［Ｊ］．ＪｏｕｍａｌｏｆＩｍａｇｅａｎｄＧｍｐｈｉｃｓ，

２０１０，１５（１０）：１４４９一１４５３．［孙军，潘振宽，魏伟波，等．隐式曲面上图像扩散的高阶模型［Ｊ］．中国图象图形学报，２０ｌＯ，１５（１０）：１４４９—１４５３．］

［５］

ｚｈａｎｇ

Ｊ，ｗｅｉｚＨ，ｘｉａｏＬＡｄ叩ｔｉｖｅｆｔａｃｔｉｏｎａｌ—ｏｒｄｅｒｍｕｌｔｉ－ｓｃａｌｅ

ｍｅｔｈｏｄｆｏｒｉｍａｇｅｄｅｎｏｉｓｉ“ｇ［Ｊ］．Ｊ．Ｍａｔｈ．Ｉｍａ舀ｎｇ

Ｖｉｓ．，２０１２，

４３：３９＿４９．

［６］

ｃｈａｍｂｏｌｌｅＡ．Ａｎａ１９０ｒｉｔｈｍｆｏｒｔｏｔａｌｖａｒｉａｔｉｏｎｍｉｎｉｍｉｚａｔｉｏｎａｎｄ

印ｐｌｉｃａｔｉｏｎｓ［Ｊ］．Ｊ．ＭａｔｌＬ

ＩｍａｇｉｎｇＶｉｓ．，２００４，２０：８９＿９７．

［７］

ｚｈａｎｇＹ，ＰｕＹＦ，ＨｕＪＲ，ｅｔａｌ＿Ａｃｌａｓｓｏｆｆｈｃｔｉｏｎａｌ—ｏｒｄｅｒ

ｖａｒ－

ｉａｔｊｏｎａｌｉｍａｇｅ

ｉｎｐａｊｎｔｊｎｇ脚ｄｅｌｓ［Ｊ］．

Ａｐｐｌ．

Ｍａｆｈ．Ｉｎ￡

ｓｃｉ．，

２０１２，６（２）：２９９－３０６．

［８］ＶｏｇｅｌｃＲ．ｃｏｍｐｕｔａｔｉｏｎａｌＭｅｔＩｌｏｄｓｆｏｒＩｎｖｅｒｓｅＰｍｂｌｅｍｓ［Ｍ］．

Ｐｈｉｌａｄｅｌｐｈｉａ：ＳＩＡＭ，２００２．

［９］ｃｈｅｎＤ，ｓｕｎｓ，ｚｈ８ｎｇｃ，ｅ￡ａ１．Ｆｒａｃ胁ａｌ—ｏｒｄｅｒＴｖ—ＩＪ２

ｍｏｄｅｌ

ｆｏｒｉｍａｇｅ

ｄｅｎｏｉｓｉｎｇ［Ｊ］．ｃｅｎｔｍｌ

Ｅｕｍｐｅａｎ

ＪｏｕｍａｌｏｆＰｈｙｓｉｃｓ，

２０１３：１＿９．

［１０］

ＦｉｇｕｅｉｒｅｄｏＭＡＴ，Ｂｉｏｕｃａｓ—Ｄｉａｓ

ＪＭ，ＮｏｗａｋＲＤ．Ｍａｊｏｒｉｚａｔｉｏｎ—

ｍｉｎｉｍｊｚａ￡ｉｏｎａｌｇｏｒｉｔｈｍｓｆｏｒｗａｖｅｌｅ卜ｂａｓｅｄｉｍａｇｅｒｅｓ￡ｏｍｔｊｏｎ［Ｊ］．

ＩＥＥＥＴｒａｎｓ．ｏｎＩｍａｇｅ

Ｐｍｃｅｓｓｉｎｇ，２００７，１６（１２）：２９８０—２９９１．

［１１］ｃｈａｍｂｏｌｌｅＡ，ＰｏｃｋＴ．

Ａｆｉｒｓｔ—ｏｒｄｅ。ｐｒｉｍａｌ—ｄｕａｌａ１９０ｄｔｈｍ

ｆｏｒ

ｃｏｎｖｅｘ

ｐｍｂｌｅｍｓｗｉｔｈａｐｐｌｉｃａｔｉｏｎｓｔｏ

ｉｍａｇｉｎｇ［Ｊ］．Ｊ．Ｍａｔｈ．Ｉｍａ一

百“昏Ｖｉｓ．，２０ｌｌ，４０（１）：１２０—１４５．

［１２］

０ｄｌｕｂｎｙＩ．

ＦｒａｃｔｉｏｎａｌＤｉｆｆｅｒｅｎｔｉａｌ

Ｅｑｕａｔｉｏｎｓ［Ｍ］．Ｎｅｗ

Ｙｏｒｋ：

ＡｃａｄｅｍｉｃＰｒｅｓｓ．１９９９．

［１３］

Ｂｅｃｋ

Ａ，ＴｅｂｏｕｌｌｅＭ．

Ｆａｓｔ

ｇｍｄｉｅｎｔ＿ｂａｓｅｄ

ａｌｇｏ血ｈｍｓｆｏｒ

ｃｏｎ—

ｓｔｒａｉｎｅｄ￡ｏ￡ａｌｖａ而ａｔｉｏｎｉｍａｇｅｄｅｎｏｉｓｉｎｇａｎｄｄｅｂｌｕ玎ｉｎｇｐｒｏｂｌｅｍｓ

［Ｊ］．ＩＥＥＥ７Ｉｈｎｓ．ｏｎ

Ｉｍａｇｅ

Ｐｒｏｃｅｓｓｉｎｇ，２００９，１８（１１）：２４１９—

２４３４．