×
亚历山德罗·兰扎;塞雷娜·莫里吉;费奥雷拉·斯加拉里

基于剩余白度的凸非凸变分恢复参数自动选择。 （英语） Zbl 07468058号

Tai，Xue-Cheng（编辑）等，图像处理中的数学方法和反问题。根据2018年4月21日至24日在中国北京举行的IPIP 2018图像处理与反问题国际研讨会上的演讲选出的论文。新加坡：斯普林格。施普林格程序。数学。《统计》第360、95-111页（2021年）。
摘要：图像恢复是一个众所周知的不适定逆问题，其目的是从相应的模糊和噪声破坏的观测中恢复清晰的图像。变分方法通过结合正则化技术来惩罚被认为不合适的解。一种流行的策略依赖于使用稀疏促进正则化子；众所周知，一般来说，非凸正则化子比凸正则化器具有更有效地促进稀疏性的潜力。最近提出了一类新的凸非凸（CNC）变分模型，其中包含一个一般的参数非凸不可分正则化子。然而，该方法的性能关键取决于正则化参数。在本文中，我们建议在双层框架中使用参数化CNC变分恢复模型，其中参数通过最小化恢复剩余白度的度量来调整。一些初步的数值实验表明了该方案的有效性。
关于整个系列，请参见[Zbl 1476.68015号].

MSC公司：

68T45型 机器视觉和场景理解
68平方英寸10 图像处理的计算方法
92 C55 生物医学成像和信号处理
94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

稀疏诱导正则化;变分法;不适定问题;非凸非光滑正则化;优化;加性高斯白噪声
PDF格式BibTeX公司 XML格式引用
\textit｛A.Lanza｝等人，斯普林格程序。数学。Stat.360，95--111（2021；Zbl 07468058）
全文： 内政部

参考文献：

[1] 阿尔梅达，M。；Figueiredo，M.，使用剩余白度测量进行盲和非盲去模糊的参数估计，IEEE Trans。图像处理。，22, 7, 2751-2763 (2013) ·Zbl 1373.94018号 ·doi:10.1109/TIP.2013.2257810
[2] Bauer，F。；Lukas，MA，《不适定问题正则化的比较参数选择方法》，数学。计算。模拟。，81, 9, 1795-1841 (2011) ·Zbl 1220.65063号 ·doi:10.1016/j.matcom.2011.01.016
[3] Calvetti，D。；Morigi，S。；赖切尔，L。；Sgallari，F.，Tikhonov正则化和大型离散不定问题的L曲线，J.Compute。申请。数学。，123, 1-2, 423-446 (2000) ·兹比尔0977.65030 ·doi:10.1016/S0377-0427（00）00414-3
[4] Eldar，YC，指数族的广义SURE：正则化应用，IEEE Trans。信号处理。，57, 2, 471-481 (2009) ·Zbl 1391.62131号 ·doi:10.1109/TSP.2008.2008212
[5] 英语，HW；汉克，M。；Neubauer，A.，反问题的正则化（1996），Dordrecht:Kluwer，Dordracht·Zbl 0859.65054号 ·doi:10.1007/978-94-009-1740-8
[6] Haamarik，美国。；R.Palm。；Raus，T.，具有不精确噪声水平的不适定问题的Tikhonov正则化中的参数选择规则族，J.Comput。申请。数学。，236, 8, 2146-2157 (2012) ·Zbl 1247.65071号 ·doi:10.1016/j.cam.2011.09.037
[7] 汉森，PC；DP O’Leary，《L曲线在离散不适定问题正则化中的应用》，SIAM J.科学计算。，14, 6, 1487-1503 (1993) ·Zbl 0789.65030号 ·doi:10.1137/0914086
[8] 汉森，PC；基尔默，ME；Kjeldsen，RH，在离散不定问题的参数选择中利用剩余信息，BIT-Numer。数学。，46, 1, 41-59 (2006) ·Zbl 1091.65038号 ·doi:10.1007/s10543-006-0042-7
[9] 他，C。；胡，C。；张伟。；Shi，B.，全变分图像恢复的快速自适应参数估计，IEEE Trans。图像处理。，23，214954-4967（2014）·Zbl 1374.94134号 ·doi:10.10109/TIP.2014.2360133
[10] A.Lanza，S.Morigi，F.Sgallari，通过非凸正则化进行凸图像去噪。计算机科学课堂讲稿（包括人工智能子系列课堂讲稿和生物信息学课堂讲稿）9087，666-677（2015）·Zbl 1444.94015号
[11] Lanza，A。；Morigi，S。；斯加拉里，F。；Yezzi，AJ，基于自相关白度的变分图像去噪，SIAM J.成像科学。，6, 4, 1931-1955 (2013) ·Zbl 1279.68330号 ·数字对象标识代码：10.1137/120885504
[12] Lanza，A。；Morigi，S。；Sgallari，F.，噪声白度约束下的变分图像恢复，J.Math。成像视觉。，53, 1, 61-77 (2015) ·Zbl 1331.94022号 ·doi:10.1007/s10851-014-0549-5
[13] Lanza，A。；Morigi，S。；Sgallari，F.，通过参数选择的非凸正则化进行凸图像去噪，J.Math。成像视觉。，56, 2, 195-220 (2016) ·Zbl 1391.94088号 ·doi:10.1007/s10851-016-0655-7
[14] Lanza，A。；Morigi，S。；夏奇塔诺，F。；Sgallari，F.，图像恢复统一变分框架中的白度约束，J.Math。成像视觉。，60, 9, 1503-1526 (2018) ·Zbl 1433.94014号 ·doi:10.1007/s10851-018-0845-6
[15] Lanza，A。；Morigi，S。；塞莱斯尼克，IW；Sgallari，F.，凸图像处理中的稀疏诱导非凸不可分正则化，SIAM J.成像科学。，12, 2, 1099-1134 (2019) ·Zbl 1524.94023号 ·doi:10.1137/18M1199149
[16] Lefkimmiatis，S。；病房，JP；Unser，M.，线性反问题的Hessian Schatten范数正则化，IEEE Trans。图像处理。，22, 5, 1873-1888 (2013) ·兹比尔1373.94229 ·doi:10.1109/TIP.2013.2237919
[17] Parekh，A。；Selesnick，IW，使用非凸紧框架正则化的凸去噪，IEEE信号处理。莱特。，22, 10, 1786-1790 (2015) ·doi:10.1109/LSP.2015.2432095
[18] 拉马尼，S。；刘，Z。；罗森，J。；尼尔森，J。；Fessler，JA，使用GCV和基于SURE的方法进行非线性迭代图像恢复和MRI重建的正则化参数选择，IEEE Trans。图像处理。，21, 8, 3659-3672 (2012) ·Zbl 1373.94340号 ·doi:10.1109/TIP.2012.2195015
[19] 李鲁丁；Osher，S。；Fatemi，E.，基于非线性总变差的噪声去除算法，物理学D，60，1-4，259-268（1992）·Zbl 0780.49028号 ·doi:10.1016/0167-2789（92）90242-F
[20] B.W.Rust，D.P.O'Leary，为不适定问题选择正则化参数的剩余周期图。反向探测。24(3) (2008) ·Zbl 1137.62036号
[21] Rust，BW，不适定问题约束解的参数选择，计算。科学。统计，32，333-347（2000）
[22] AM汤普森；布朗，JC；凯，JW；Titterington，DM，正则化图像恢复中平滑参数选择方法的研究，IEEE Trans。模式分析。机器。智力。，13, 4, 326-339 (1991) ·数字对象标识代码：10.1109/34.88568
[23] 朱，X。；Milanfar，P.，《使用图像内容无参考测量的去噪算法的自动参数选择》，IEEE Trans。图像处理。，19, 12, 3116-3132 (2010) ·Zbl 1371.94464号 ·doi:10.1109/TIP.2010.2052820
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。