2017.08-Osher_LOW DIMENSIONAL MANIFOLD MODEL for IMAGE PROCESSING

最新推荐文章于 2024-04-10 15:45:02 发布

EdwardMa12593

最新推荐文章于 2024-04-10 15:45:02 发布

阅读量1.7k

点赞数 1

分类专栏：图像PDE方法文章标签：图像处理正则化

本文链接：https://blog.csdn.net/MAJUN1259389904/article/details/77170978

版权

本文介绍了一种新的低维流形模型（LDMM），该模型利用自然图像块流形的低维结构进行图像恢复。通过在点云上解决laplace-beltrami方程，LDMM在图像去噪、修复和超分辨率重建中表现出强大的性能。相比于传统的正则化方法，如TV和nonlocal TV，LDMM能更好地保持图像的局部特性。

摘要由CSDN通过智能技术生成

                    
                    摘要 
本文提出了一个新的低维流形模型（low dimensional manifold model，简称LDMM）并将其用于图像处理问题中；
LDMM基于这样的fact：很多自然图像的块流形有低维的结构；因此，可以用块流形的维数作为正则化来恢复图像。
LDMM中的关键是在point cloud上解决laplace-beltrami方程，可通过点积分（point integral）方法解决；
point interal方法正确的采用采样点的方法，结果比标准的graph laplacian好。
在图像去噪、修复、超分辨重建中的数值仿真表明LDMM是一个powerful method.
 
Introduction 
图像恢复问题是不适定的，因此我们需要加正则化（也即先验）；
TV，可以很好的恢复图像的卡通部分，纹理部分却恢复的不好；
nonlocal TV，可以很好的恢复纹理；
本文motivation：图像  f  的patch set