向前地

前进:病态系统的傅立叶小波正则化反褶积。我们提出了一种高效的混合傅立叶小波正则化反褶积(ForWaRD)算法,通过在Fourier域和小波域中的标量收缩进行噪声正则化。Fourier收缩利用Fourier变换对反褶积中固有的有色噪声的经济表示,而小波收缩利用小波域对分段平滑信号和图像的经济表示。通过优化近似均方误差(MSE)度量,我们得到了Fourier和小波正则化量之间的最佳平衡,发现具有更经济小波表示的信号需要较少的Fourier收缩。与单纯基于小波的小波模糊反褶积(WVD)不同,正演适用于所有病态反褶积问题;此外,它的估计特点是最小振铃,而不是纯粹基于傅立叶的维纳反褶积。即使在设计了WVD的问题中,我们证明了随着样本数的增加,ForWaRD的MSE随着最优WVD速率衰减。进一步地,我们证明在广泛的实际样本长度范围内,正向改善了WVD的性能。


zbMATH中的参考文献(参考文献54条)

显示第1到第20个结果,共54个。
按年份排序(引用)
  1. 蒋嘉华;钟,朱丽安;de Sturler,Eric:反问题的循环混合投影方法(2021)
  2. 贝古尼欧,马伊汀;亚伯拉罕,伊莎贝尔;亚伯拉罕,罗曼;卡莱尔,纪尧姆;勒佩内克,埃尔万;Trélat,Emmanuel:少视图层析重建的变分方法(2018)
  3. 埃斯卡德,保罗;Weiss,Pierre:使用算子的小波展开加速(\ell^1)-(\ell^2)去模糊(2018)
  4. Lamash,Yechiel:精确非盲反褶积的算法和约束条件(2018)
  5. 赵雪青;黄可克;王晓明;史美红;朱新娟;高全利;于兆飞:基于反应扩散方程的图像复原(2018)
  6. 蒋明;博宾,杰罗姆;Starck,Jean-Luc:联合多通道反褶积和盲源分离(2017)
  7. 马丽燕;徐莉;曾铁勇:图像去模糊的低阶先验和全变差正则化(2017)
  8. 雷诺,迷迭香A。;瓦坦卡,赛义德;Ardestani,Vahid E.:预测系统无偏预测风险和加权GCV的混合迭代重加权正则化(2017)
  9. 马丽燕;曾铁勇:基于全变差的结构化稀疏模型选择图像去模糊(2016)
  10. 邓良建;郭惠清;Huang,Ting Zhu:一种基于分割去模糊和去噪的快速图像恢复算法(2015)
  11. 库利克,拉法;萨帕提纳斯,提奥法尼斯;Wishart,Justin Rory:具有长程相关性的多通道反褶积:关于(L^p)-风险的上界((1\leqp<\infty))(2015)
  12. 斯塔克,让·卢克;莫塔赫,菲恩;Fadili,Jalal M.:稀疏图像和信号处理。小波和相关几何多尺度分析(2015)
  13. 周,徐;周福根;白、香枝;薛斌堂:基于边界条件的图像去模糊反褶积框架(2014)
  14. 本哈杜,里达;彭斯基,玛丽安娜;Picard,Dominique:无量纲收敛速度函数反褶积模型中的各向异性去噪(2013)
  15. 刘秋根;梁、冬;宋英;罗建华;朱跃民;李文舒:基于增广拉格朗日的稀疏表示方法与字典更新的图像去模糊(2013)
  16. 钟,朱丽安;钟,马提亚斯;O'leary,Dianne P.:带数据采集误差的图像反褶积校准数据的最佳滤波器(2012)
  17. Donatelli,Marco:Toeplitz离散不适定问题的迭代多重网格正则化方法(2012)
  18. 香,石明;孟高峰;王颖;潘春红;张长水:基于矩阵回归和梯度进化的图像去模糊(2012)
  19. 艾森伯格,伊戈尔:具有多值神经元的复值神经网络。(2011年)
  20. 阿维布赫,阿米尔Z。;Zheludev,瓦莱里A。;Khazanovsky,Marie:用样条小波包字典进行匹配追踪反褶积(2011)