tvreg公司

变分成像方法。tvreg软件包执行全变差(TV)正则化图像去噪、去卷积和修复。支持三种不同的噪声模型:高斯(L2)、拉普拉斯(L1)和泊松。该方案解决了一般的电视恢复问题:min_utv(u)+int lambda F(K*u,F)dx,并作为特殊情况进行去噪、反褶积和修复。利用最近的分裂Bregman方法有效地解决了这一问题。还包括一个有效的实现Chan-Vese两阶段分割。所有函数都支持灰度、彩色和任意多通道图像。


zbMATH中的参考文献(参考文献21条)

显示第1到第20个结果,共21个。
按年份排序(引用)
  1. 叫,马丁;Weinmann,Andreas:处理流形值数据的非光滑变分正则化(2020)
  2. 库马尔,苏米特人;Jha,Rajib Kumar:基于FPGA的使用近似分数积分器的实时图像去噪设计(2020)
  3. Mead,J.:(\chi^2)总变差正则化参数选择检验(2020)
  4. 本说,艾哈迈德;哈吉德,拉希德;Foufou,Sebti:基于新型智能边缘检测器的图像去噪总变差:医学图像的应用(2019)
  5. 王伟;夏、项根;张胜利;他,川江;陈玲:矢量全分数阶变分及其在彩色图像去噪与分解中的应用(2019)
  6. 你,俊涛;焦裕玲;吕锡良;曾铁勇:图像恢复的极小极大凹罚非凸模型(2019)
  7. 坎帕尼亚,罗莎娜;克里斯蒂,瑟琳娜;库莫,萨尔瓦托;马塞利诺,利维亚;Toraldo,Gerardo:基于分离Bregman迭代的TV-ROF去噪模型的修改(2017)
  8. Borkowski,Dariusz:基于倒向随机微分方程的正向和反向滤波(2016)
  9. 吕文琦;段金明;邱兆文;潘振宽;刘瑞安•温;Bai,Li:高阶变分模型的实现使图像处理更容易(2016)
  10. 麦塞利,巴拉卡·雅各布;高慧军:基于各向异性扩散驱动过程的鲁棒边缘检测(2016)
  11. 伊雷纳奥罗维奇;莱基奇,内杰尔科;Stanković,Srdjan:L-估计空间变化图像滤波的模拟数字硬件(2016)
  12. 科尔,巴托梅;杜兰,琼;Sbert,Catalina:非凸图像恢复模型的半线性正则化(2015)
  13. 巴塔德,托马斯;Bertalmío,Marcelo:协变导数及其在图像正则化中的应用(2014)
  14. 汉堡,M。;Müller,J。;帕布塞利斯,E。;Schönlieb,C.B.:用于PET重建的测量和图像空间中的总变化正则化(2014)
  15. 麦塞利、巴拉卡;吴川;梅、江源;刘强;Gao,Huijun:具有改进的高频分量估计和混叠校正能力的鲁棒超分辨率方法(2014)
  16. 佩特罗,安娜贝伦;斯伯特,卡塔琳娜;Morel,Jean-Michel:用最简单的全变分模型自动校正图像强度不均匀性(2014)
  17. 斯托拉斯,马丁;Weinmann,Andreas:矢量值图像的快速分割(2014)
  18. 温曼,安德烈亚斯;德玛雷特,劳伦特;Storath,Martin:流形值数据的全变差正则化(2014)
  19. 兰扎,亚历山德罗;森吉,瑟琳娜;斯加拉里,菲奥雷拉;Yezzi,Anthony J.:基于自相关白度的变分图像去噪(2013)
  20. 勒布朗,M。;巴迪斯,A。;Morel,J.M.:一种非局部贝叶斯图像去噪算法(2013)