• 语料库ID:7734172

Ieee图像处理事务——基于快速鲁棒全变差{的噪声模糊图像重建

@进行中{VogelIeeeeTO，title={图像处理的Ieee事务——快速、稳健的全变差\{基于噪声、模糊图像的重建}，作者={柯蒂斯·R·沃格尔和玛丽·E·阿曼}，网址={https://api.semanticscholar.org/CorpusID:7734172}}
针对离散化问题，提出了一种有效的算法，该算法将处理非线性的定点迭代与大型线性系统的新的、有效的预处理共轭梯度迭代相结合。
没有可用的纸张链接
625条引文
极具影响力的引文
41
背景引文
151
方法引文
182
结果引文
6

625条引文

模糊识别与图像恢复的快速加权全变差正则化算法

该算法采用联合估计策略，以迭代的方式估计未知模糊核和未知图像，其中每个迭代执行两个独立的图像去噪子问题，允许快速实现。

一种鲁棒的全变差盲恢复算法

本文将已知模糊算子的鲁棒算法与交替最小化隐式迭代方案相结合，处理盲反卷积问题，恢复图像并识别点扩散函数（PSF）。

全变分盲反褶积的非线性逆尺度空间方法

数值结果表明，该方案具有很强的鲁棒性，能够快速收敛到高斯白噪声污染的高斯型实验点扩散函数卷积图像或高斯模糊卷积图像的模型解。

变分反褶积迭代法的收敛性及脉冲噪声消除

本文分析并证明了保边缘图像反褶积和脉冲噪声消除迭代方法的收敛性，并给出了一个非线性积分微分方程。

基于全变分的图像去噪新算法

提出了一种基于图像去噪问题的全变分算法，并证明了该算法对大信噪比图像也是有效的。

基于全局凸分割的混合噪声图像恢复

基于全变分的图像去噪迭代算法

证明了迭代格式中由修正函数导出的序列的收敛性，并表明数值去噪比以前的其他工作有了显著的改进。

基于GMRES和TV-范式的混合图像恢复方法

描述了一种混合正则化方法，该方法将GMRES迭代方法的几个步骤与小维空间上的全变分正则化Tikhonov正则化相结合，可以产生类似质量的恢复。

基于小波的湍流退化图像自适应正则化反褶积

一种基于小波的自适应保边正则化反褶积（WbARD）图像复原方案，能够很容易地适应图像中的尺度和方向特征，同时保持正则化的边缘保持特性。

基于高效稀疏变换学习的图像反褶积

基于变换学习的图像反褶积数据自适应稀疏图像重建方法，该方法自适应学习基于补丁的稀疏变换，同时从其噪声模糊测量值中重建图像。
...

34参考文献

使用近似逆预处理的迭代图像恢复

利用预处理共轭梯度算法解决大气模糊图像的反褶积问题，其中使用了一种新的近似逆预处理方法来提高收敛速度。

全变分图像重建中的快速多重网格技术

通过有效的预处理，该方法似乎需要Omicron（n）运算，并给出了二维示例的结果。

全变差去噪的迭代方法

提出了一种最小化TV惩罚最小二乘泛函的不动点算法，并与现有的最小化方案进行了比较，实现了一种以单元为中心的Ewing和Shen有限差分多重网格方法的变体，用于求解（大型稀疏）线性子问题。

一种全变分去噪迭代方法的收敛性

求解不连续全变分去噪问题的迭代方法的收敛性涉及一种“滞后扩散率”方法，其中解决了一系列线性扩散问题。

基于非线性全变分的噪声去除算法

用对称不定共轭梯度技术恢复大气模糊图像

我们考虑一个天文成像的不适定反褶积问题，该问题具有给定的噪声污染观测值和近似已知的卷积核。的局限性…

图像恢复中最小化总变差的计算算法

提出了一种可靠有效的恢复模糊和噪声图像的计算算法，该算法可以在噪声方差知识不可用或不可靠的情况下以自适应/交互式方式使用。

基于半二次正则化的非线性图像恢复

该方法基于一个辅助阵列和一个扩展目标函数，其中原始变量以二次形式出现，辅助变量解耦，并生成原始函数，以便通过联合最小化获得原始图像估计。

一种基于全变差的图像去噪多网格方法

通过图像重建，我们的意思是获得形式的算子方程的解u$$Au=z，$$(1.1) 其中A通常（但不一定）是线性的，假设dataz为…

计算机成像中的确定性边缘保持正则化

本文提出了一种基于图像和辅助变量交替最小化的确定性策略，从而定义了一种称为ARTUR的原始重建算法，该算法可以应用于图像处理中的大量应用。