全变分模型（TV）图像去噪[学习笔记]

全变分模型(TV)图像去噪

全变分模型是一个依靠梯度下降流对图像进行平滑的各向异性的模型，希望在图像内部尽可能对图像进行平滑（相邻像素的差值较小），而在图像边缘（图像轮廓）尽可能不去平滑。想要全面了解全变分模型，需要知道泛函，梯度下降流，欧拉拉格朗日方程等概念。要了解这些内容，参照连接
泛函与欧拉方程：沈子恒 泛函与变分初步（Euler-lagrange条件）
梯度下降流：六尺帐篷 深入浅出–梯度下降法及其实现

一般的梯度流

一般梯度下降流是解梯度p次方的泛函的最小值，其中：

计算其满足的欧拉-拉格朗日方程：




根据上面的结果引出梯度下降流

这个结果就是一边梯度下降流的结果其中p为1时，就是我们的全变分模型的梯度下降流，p等于2时是热传导模型的梯度下降流。

全变分模型

定义全变分：

可以看到就是上面p为1的情况，但在解决问题的过程中，我们希望去噪后的图像与原图像的差距不会特别大（图像不失真），因此，在求解这个梯度极小值时，加了一个保真项，结果变成：

后一项为泛函的保真项，λ是松弛因子，调节保真项与梯度的占比。
同样根据E-L方程，得到该泛函的梯度下降流：

全变分模型的迭代重建算法

上面已经有了全变分模型的梯度下降流，对其进行离散化，得到梯度下降算法。详细算法参见该博主博客全变分（TV）模型原理与C++实现