吉尔博亚，盖伊;斯坦利·奥斯尔 非局部线性图像正则化和监督分割。 （英语） Zbl 1140.68517号 多尺度模型。模拟。 6，第2号，595-630（2007）. 摘要：研究了加权差分的非局部二次泛函。权重基于图像特征，表示图像中不同像素之间的相关性。通过规定不同的权重公式，可以推广许多局部和非局部线性去噪算法，包括非局部均值滤波器和双边滤波器。在这个框架中，我们可以很容易地证明，广义滤波器的连续迭代遵循某些全局特征，并收敛到一个常数解。与函数的欧拉-拉格朗日方程相关的线性算子与图拉普拉斯算子密切相关。因此，我们可以将最小化泛函的最速下降解释为非局部扩散过程。该公式为非局部变分最小化提供了一个方便的框架，包括变分去噪、Bregman迭代和最近提出的逆尺度空间。还演示了如何使用最陡下降流进行分割。遵循机器学习中基于核的方法，使用广义扩散过程将零星的初始用户信息传播到整个图像。与经典的变分分割方法不同，该过程没有明确地基于曲线长度能量，因此可以很好地处理高度非凸的形状和角。仍然可以实现对噪声的合理鲁棒性。 引用于三评论引用于132文件 MSC公司： 68单位10 图像处理的计算方法 49甲10 线性二次型最优控制问题 68兰特 计算机科学中的图论（包括图形绘制） 关键词：去噪;正规化;图像分割;交互式分割;非局部演化;扩散，扩散;缩放空间;谱图论;内核方法 PDF格式BibTeX公司 XML格式引用 \textit{G.Gilboa}和\textit{S.Osher}，多尺度模型。模拟。6，第2号，595--630（2007；Zbl 1140.68517） 全文： 内政部