笔记：Image Reconstruction by Minimizing Curvatures on Image Surface

Image Reconstruction by Minimizing Curvatures on Image Surface 通过最小化图像表面曲率来重建图像

原文链接：https://doi.org/10.1007/s10851-020-00992-3

背景

设是定义在开边界子集上的具有Lipschitz连续边界的像。对于每个灰度λ，通过将长度能量作为曲线模型，它产生众所周知的总变化(TV)正则化[42]

 曲率可以描述直线或曲面偏离平面的情况下的曲线数量，欧拉弹性图像模型定义为：

（g(k)可以替换为其他正则函数）

通过考虑高维空间中的图像表面或图，图像去噪问题转向寻找一个分段光滑表面来近似给定的图像表面。在不同的图像处理任务中，平均曲率和高斯曲率都可以作为保持图像表面几何特征的正则化器。平均曲率首先被引入用于噪声去除问题，作为平均曲率驱动的扩散算法，它以与平均曲率成正比的速度进化图像表面。Zhu和Chan提出使用图像表面上的平均曲率l1 -范数如下

在[30]中研究了高斯曲率驱动扩散的噪声去除问题，该算法在保持图像结构和细节方面表现出了优越性。Lu, Wang和Lin[32]提出了一种基于高斯曲率的能量泛函图像平滑方法，该方法通过扩散过程求解。Gong和Sbalzarini提出了一种局部加权高斯曲率的变分模型，并利用分裂技术进行求解。
在[9]中，作者最小化了图像曲面高斯曲率的下列l1范数

 

同样，高斯曲率正则化器也可以很好地保留图像的对比度、棱角。然而，由于Hessian的行列式，使的极小化更加困难，该问题通过基于向量场平滑和灰度插值的两步方法来解决。 

 贡献：

 假设定义了一个图像曲面(x, y, u(x, y))。我们定义了一个水平集函数φ(x, y,z) = u(x, y) - z，其零水平集对应于曲面z = u(x, y)，通过对其积分，得到表面积能量如下

 

 通过最小化图像表面上的平均曲率或高斯曲率，我们建立了一个新的曲率正则化模型。以图像去噪为例，我们定义曲率能量如下

 

 其中，k可以表示平均曲率，也可以表示高斯曲率，g(·)是曲率的某个函数。
根据[11]，考虑以下三种典型能量和扩展到图，其中α是一个正参数来平衡曲率和表面积

(1) Total absolute curvature (TAC):测量表面积与绝对曲率之和

 (2)Total square curvature (TSC):惩罚表面积和平方曲率

 (3)总旋转平移变分(Total roto-translational variation, TRV):通过欧几里得度量度量表面积和曲率

 ADMM-Based Numerical Algorithm

现在我们讨论求解最小化问题(6)的数值算法，首先将其改写为以下离散形式

其中，κ(ui,j)代表平均曲率或高斯曲率，|·|是R2中的欧几里德范数，是l2范数。
请注意，本文中的所有矩阵乘法和除法都是元素式的。离散梯度算子定义为：

 

 

 引入辅助变量v，将最小化问题(6)改写为有约束的最小化

 

 给出一些上约束极小化问题的近增广拉格朗日（proximal augmented Lagrangian ）可定义为：

 

 其中Λ为拉格朗日乘子，μ、τ、σ为正参数。然后迭代交替地求解u-子问题和v-子问题，直到达到终止条件;
 

 

   

 实验

Fig. 7  在TAC-K方法中，利用固定正则化参数λ的μ和α的不同组合获得了摄像机的PSNR演化

λ过小（数据项小）导致过光滑恢复结果丢失一些细节，而λ过大（曲率项小）导致非光滑恢复结果保留一些噪声。因此，在实际应用中，λ需要根据噪声水平和图像结构手动调节

 

Fig. 8 在TAC-K方法中，采用固定正则化参数α的μ和Iter不同组合，得到了摄像机的PSNR演化

太小的α(例如，对于Cameraman α = 3)（曲率和 α表面积 ）会导致不光滑的结果，过大的α(例如，对于Cameraman α = 48)会导致过度光滑的结果。因此，应根据图像结构和噪声水平选择适当的α，以平滑均匀区域，同时保留图像细节。

λ平衡了数据保真度和正则化项的贡献，α权衡了曲率正则化和面积最小的影响，μ参数是罚参数，它影响算法的收敛速度和稳定性（使用μ = 2作为默认值）。

参数设置： 

λ = 0.11 μ = 2 ，

平均曲率变分模型(即TAC-H、TSC-H和TRV-H)设α = 0.3，

高斯曲率模型(即TAC-K、TSC-K和TRV-K)设α = 12。