CuTVdG:一种基于Curvelet阈值收缩的TV图像复原算

　　摘要：变分正则化方法基本思想是分析和把握图像的先验知识，将图像的正则化复原问题转变成极小化能量泛函问题。根据图像的有界变差和稀疏性先验知识，提出一个基于全变差（TV）正则化和稀疏性约束的耦合图像复原模型。模型通过全变差图像模型、图像Curvelet变换下稀疏性和数据保真模型的联合优化，达到图像边缘结构和纹理特征的保持。并且给出基于算子分裂法的求解算法，实验证明该算法复原图像的视觉质量优于快速TV复原算法（FTVdG）的复原结果。
　　关键词：全变差；稀疏性；Curvelet变换；阈值收缩；复原
　　中图分类号：TP391文献标识码：A文章编号：1009-3044(2011)22-5415-03
　　A Curvelet Shrinkage-thresholding Algorithm for Total Variation Image Reconstruction
　　SHAO J