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,ForWaRD适用于所有病态反褶积问题;而且,它的估计具有最小振铃特性,与纯Fourier基Wiener反褶积不同。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参考文献(参考 53篇文章 引用)

显示第1到第20个结果,共53个。
按年份排序(引用)
  1. Bergounioux,Maètine;Abraham,Isabelle;Abraham,Romain;Carlier,Guillaume;Le Pennec,Erwan;Trélat,Emmanuel:少视图层析重建的变分方法(2018)
  2. Escande,Paul;Weiss,Pierre:使用算子的小波展开加速(\ell^1)-(\ell^2)去模糊(2018)
  3. Lamash,Yechiel:精确非盲反褶积的算法和约束条件(2018)
  4. 赵雪青;黄,可克;王晓明;施美红;朱新娟;高全利;俞兆飞:基于反应扩散方程的图像恢复(2018)
  5. Jiang,Ming;Bobin,Jérôme;Starck,Jean-Luc:联合多通道反褶积和盲源分离(2017)
  6. 马立言;徐莉;曾铁勇:图像去模糊的低阶先验和全变差正则化(2017)
  7. Renaut,Rosemary A.;Vatankhah,Saeed;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)
  8. 马立言;曾铁勇:基于全变差的结构化稀疏模型选择图像去模糊(2016)
  9. 邓良健;郭惠青;黄婷竹:一种基于分割去模糊和去噪的快速图像恢复算法(2015)
  10. 多通道反褶积(Justin,Justin,Justin)的上界
  11. Starck,Jean-Luc;Murtagh,Fionn;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)
  12. 周,许;周,福根;白,香智;薛斌堂:基于边界条件的图像去模糊反褶积框架(2014)
  13. Benhaddou,Rida;Pensky,Marianna;Picard,Dominique:具有无量纲收敛速度的函数反褶积模型中的各向异性去噪(2013)
  14. Liu,Qiegen;Liang,Dong;Song,Ying;Roo,Jianhua;Zhu,Yuemin;Li,Wenshu:基于增广拉格朗日的稀疏表示方法,并结合字典更新,用于图像去模糊(2013)
  15. Chung,Julianne;Chung,Matthias;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)
  16. Donatelli,Marco:Toeplitz离散不适定问题的迭代多重网格正则化方法(2012)
  17. 向世明;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)
  18. 多值神经网络。(2011年)
  19. Averbuch,Amir Z.;Zheludev,Valery A.;Khazanovsky,Marie:使用样条小波包字典进行匹配追踪反褶积(2011)
  20. Chen,Yang;Yu,Weimin;Li,Yinsheng;Yang,Zhou;Luo,Limin;Chen,Wufan:基于大规模全斑块变化先验的贝叶斯图像恢复(2011)