论文阅读记录
《A Fourth Order P_Laplace Underwater Image Restoration Method Based on MSG 》
摘要
四阶P_Laplace方法可以有效地降低渐变效果，但是在恢复的图像中仍然存在亮点效果和色彩失真，尤其是当迭代次数增加时。 所以可以使用MSG模型来解决此问题。 通过四阶P_Laplace方法还原结构图像，以恢复嵌入在模糊结构图像中的详细信息。 然后，纹理和恢复的结构图像被重新组合以输出恢复的图像。
思路
纹理和结构分解原理
该模型结合了MS算法和G空间的优势，理论上保证了细节图像尽可能包含原始图像的高频成分。 描述为：
四阶P_Laplace模型
P_Laplace模型于2012年提出，它引入了P曲率扩散因子以减小梯度效应。 考虑到四阶偏微分方程模型可以消除噪声并保留边缘细节，同时可以减小梯度效应。 四阶P-Laplace恢复方法可以表示为：
应用梯度下降算法，将模型发布为非线性反应扩散方程的解，可以进行单调灰度变换;
四阶偏微分方程的优势在于，将图像切片平面用作近似边界。 因此可以避免二阶非线性扩散的梯度效应。 同时，四阶P-Laplace盲图像恢复模型引入了λ参数，该参数调整了保真度项以降低计算成本。
基于MSG的四阶平台修复方法
我们在使用四阶P_Laplace方法之前应用了MSG分解。 分解后的纹理成分保留原始图像的详细信息，其余图像信息嵌入模糊的图像结构成分中，使用四阶P_Laplace还原结构信息。 然后重新构造纹理和结构图像以恢复水下图像。
算法流程图
测试
为了测试算法的有效性，我们的实验采用了灰度和彩色图像。
总结
虽然论文作者在最后总结了图像效果，但是个人感觉复原效果并没有那么理想，图像整体效果还是模糊，存在噪音的图像并没有消除噪声！
论文链接
论文链接
提取码：sh8w
纯属个人学习笔记，如果有做的不到位的请批评指正！