TVNLR:利用非局部正则化改善基于总变化的图像压缩感知重建的Matlab代码

简介：
本段介绍了一种使用MATLAB实现的方法TVNLR，该方法通过引入非局部正则化技术来优化基于总变差的图像压缩感知重构过程，从而提升图像重建的质量。 近年来，在自然图像的压缩感知恢复领域内，基于全变分（TV）的最小化算法因其能有效保留边缘而取得了显著成功。然而，使用全变分方法在恢复精细细节与纹理方面存在局限，并且常常产生不希望看到的阶梯效应问题。为解决这些问题，本段落提出了一种改进型基于电视的图像压缩感知恢复算法，在该算法中引入了新的非局部正则化约束条件来优化CS问题。 所提出的非局部正则化方法借鉴了著名的非局部均值（NLM）滤波技术，并利用图像中的自相似性特征以减少阶梯效应并提高细节恢复能力。此外，我们还开发了一种基于增强拉格朗日法的有效算法，用于解决组合的全变分与非局部正则化的优化问题。 实验结果表明，在峰值信噪比（PSNR）和视觉感知效果方面，该方法相较于最新的电视基算法实现了显著性能提升。