偏微分方程图像处理序列-怎么描述图像

在基于偏微分方程图像处理领域中，不得不提起全变分偏微分图像去噪/图像修复模型。在详细介绍之前，我们首先介绍一些关于描述图像的函数空间，最开始，人们为了描述图像，认为图像是分片均匀的，这样的图像很简单，例如棋盘图像，很显然，图像并不都是这么简单的，所以，学者们又开始寻找合适的函数空间，继而认为图像可以用几乎处处是一阶连续函数空间进行描述，即，图像允许存在变化，但是，图像函数不能够出现不连续点，这个问题很严重，直接暗示图像中不能够存在“边缘”，好吧，没有边缘的图像在现实生活中也是很少的，从稀疏表示或深度学习的观点来看，这是不合理的，因为人眼在识别物体的时候，边缘是我们最先关注的信息，这也就是为什么在稀疏表示的“原子”中，很大一部分是边缘，所以利用这种方法来描述图像还是不合理；后来，就想出了利用有界变差函数空间来描述图像了，有界变差函数空间中元素（集合的角度）满足这样的性质：几乎处处连续，在包含至多可数个元素（点）的集合上的函数导数的模的总和有限，这样的函数能够很好地描述图像了，即允许图像存在边缘，但是，边缘的导数的模之和有界。然而，利用有界变差函数空间还是对边缘的表示能力较差，所以，引出了利用两个函数空间描述图像的思想，例如利用有界变差函数空间和G空间，又或者利用有界变差函数空间和F/E/H空间等，只是在这里提一下，可能以后会介绍一些利用偏微分方程进行图像分解相关内容介绍。