Automatic parameter selection for the TGV regularizer in image restoration under Poisson noise
我们解决图像恢复问题下的泊松噪声腐败。Kullback-Leibler散度,这是典型的采用在变分框架中的数据保真度项在这种情况下,与二阶总广义变分(TGV $^2$)。已知TGV $^2$正则化器能够保留图像中的平滑和分段常数特征,然而其行为受到其表达式中出现的参数的适当设置的影响。我们提出了一个分层贝叶斯公式的原始问题加上最大后验估计方法,根据该方法,未知的图像和参数可以联合和自动估计,通过最小化给定的成本函数。最小化的问题是通过一个计划的基础上的交替方向法的乘法器,它还包括一个程序的自动选择的正则化参数通过一个流行的差异原则。计算结果表明了我们的建议的有效性。
2022-05-26 cs.NA math.NA
Denoising Sphere-Valued Data by Relaxed Total Variation Regularization
针对球面值数据去噪,提出基于内积保真度和各向异性全变差的凸松弛变分模型,用ADMM高效求解,在二值信号下松弛紧,并验证于条形码、QR码、颜色恢复及SO(3)信号。
2024-04-19 cs.NA math.NA math.OC
A Convergent Overlapping Domain Decomposition Method for Total Variation Minimization
本文提出并分析了收敛的序贯和并行重叠区域分解方法,用于求解由数据保真项和全变差约束构成的泛函最小化问题,首次成功解决了全变差最小化这一非线性、非加性、非光滑问题。
2009-05-14 cs.NA math.NA
Recent Advances in Denoising of Manifold-Valued Images
TU Chemnitz(德累斯顿工业大学化学分校);TU Kaiserslautern(凯泽斯劳滕工业大学);Fraunhofer ITWM(弗劳恩霍夫工业数学研究所)
本文综述了最近在 manifold 值信号和图像去噪方面的进展,重点讨论了变分模型和适当的最小化算法,包括子梯度算法以及在 manifold 上的半二次最小化方法、循环近端点算法和 Douglas-Rachford 算法的推广。同时介绍了实际数据处理中实用的软件工具,如 Manifold Optimization (Manopt) 包和 manifold 值图像修复工具箱 (MVIRT)。
2018-12-20 cs.NA math.NA
Improved PDE Models for Image Restoration through Backpropagation
在本文中,我们专注于学习优化偏微分方程(PDE)模型的图像滤波。在该方法中,灰度图像用两个实值函数的向量场表示,图像恢复问题用进化过程建模,使得恢复图像在任意时刻满足反应型交叉扩散初边值问题.图像的两个分量的耦合演化由依赖于这些分量的非对角矩阵确定。设计性能良好的滤波器时的一个关键问题在于最佳系数和定义交叉扩散矩阵的影响函数的选择。我们建议使用深度学习技术来优化模型的参数。特别是,我们使用了反向传播技术,以最小化的费用函数相关的去噪过程的质量,同时我们确保在学习过程中的稳定性。因此,我们得到了改进的图像恢复模型与坚实的数学基础。学习框架和由此产生的模型,以及相关的数值结果和图像比较。
2019-07-11 cs.NA math.NA
Fast image segmentation and restoration using parametric curve evolution with junctions and topology changes
本文提出一种基于区域轮廓模型的曲线演化方案,支持节点和拓扑变化,结合后处理去噪,实现快速高效的图像分割与修复。
2013-08-10 cs.CV cs.NA math.AP
Structured FISTA for Image Restoration
针对图像复原中的大规模不适定线性反问题,提出利用Kronecker乘积近似和结构化矩阵加速的sFISTA算法,在控制近似误差的同时达到与FISTA相同的复原精度并显著提升计算效率。
2019-01-03 cs.NA math.NA
A forward-backward splitting algorithm for the minimization of non-smooth convex functionals in Banach space
University of Bremen(不来梅大学)
针对Banach空间中光滑与非光滑凸泛函之和的极小化问题,提出一种基于前向后向分裂的广义迭代算法,并证明了其收敛性与收敛速率,应用于线性逆问题的Tikhonov泛函极小化及图像恢复。
2008-10-14 cs.NA math.NA
A General Truncated Regularization Framework for Contrast-Preserving Variational Signal and Image Restoration: Motivation and Implementation
Nankai University(南开大学)
本文提出一种通用截断正则化框架,用于解决变分信号和图像修复中对比度损失问题,通过理论分析和实验验证其有效性。
2018-02-12 cs.NA math.NA
Space-adaptive anisotropic bivariate Laplacian regularization for image restoration
CMAP, CNRS, École Polytechnique, Institut Polytechnique de Paris(巴黎综合理工学院综合理工学院应用数学中心、法国国家科学研究中心);University of Bologna(博洛尼亚大学)
在本文中,我们提出了一个新的正则化项变分图像恢复,它可以被看作是一个经典的各向同性的全变分(TV)正则化的空间变化的各向异性扩展。所提出的正则化器来自于目标图像的梯度根据空间变化的二元拉普拉斯分布局部分布的统计假设。高度灵活的变分结构相应的正则化编码几个自由参数,这些参数具有忠实地模拟图像中的局部几何形状和描述局部方向偏好的潜力。对于这些参数的自动估计,我们设计了一个强大的最大似然方法,并报告其合成数据和自然图像的可靠性的结果。提出了一种基于乘子交替方向法(ADMM)的最小化算法,用于该变分模型的有效数值解。一些实验结果表明,该模型可以实现高质量的简化,特别是相对于经典的全变分正则化。
2019-08-02 cs.CV cs.NA eess.IV
Convergence analysis for a primal-dual monotone + skew splitting algorithm with applications to total variation minimization
Faculty of Mathematics, Chemnitz University of Technology(德累斯顿工业大学数学系)
本文分析了Combettes和Pesquet提出的原始-对偶分裂方法在求解复合、Lipschitz和并行和类型算子单调包含问题时的收敛行为,通过共轭对偶技术推导了凸最小化问题中目标函数值的收敛速率,并提出了两种加速原始和/或对偶迭代的新方案,最后应用于全变差正则化的图像恢复问题。
2012-11-07 cs.NA math.NA math.OC
Combining Weighted Total Variation and Deep Image Prior for natural and medical image restoration via ADMM
在过去的几十年里,基于无监督深度学习的方法引起了研究人员的注意,因为在许多实际应用中,例如医学成像,收集大量的训练样本并不总是可行的。此外,构建一个好的训练集是耗时和困难的,因为所选择的数据必须具有足够的代表性。在本文中,我们专注于深度图像先验(DIP)框架,并建议将其与具有局部正则化参数自动估计的空间变全变差正则化器相结合。与现有的方法不同,我们通过灵活的交替方向乘法(ADMM)来解决所产生的最小化问题。此外,我们还提供了一个具体的实现标准的各向同性全变分。所提出的方法,在PSNR和SSIM值方面,有前途的性能,通过模拟以及真实的自然和医疗损坏的图像的几个实验解决。
2021-03-24 cs.NA eess.IV math.NA
Restoration of Images Corrupted by Impulse Noise and Mixed Gaussian Impulse Noise using Blind Inpainting
University of California, Los Angeles(加州大学洛杉矶分校)
提出基于盲修复和ℓ0最小化的两种方法,同时检测受损像素并恢复图像,实验表明性能优于其他方法,并提供了收敛性分析。
2013-04-04 cs.CV cs.NA math.NA
Measure-Valued Variational Models with Applications to Diffusion-Weighted Imaging
Institute of Mathematics and Image Computing (MIC), University of Lübeck(吕贝克大学数学与图像计算研究所)
本文提出了一种变分问题的数学框架,研究测度空间上的函数,定义了总变分半范数,并证明了变分问题解的存在性,应用于扩散磁共振成像中方向分布函数的恢复。
2018-05-31 cs.NA math.NA
On anisotropic non-Lipschitz restoration model: lower bound theory and convergent algorithm
对于非凸和非光滑的恢复模型,下界理论揭示了它们良好的边缘恢复能力,相关分析有助于设计收敛算法。现有的此类讨论主要集中在各向同性正则化模型上,或者仅是具有二次保真度的各向异性模型的下界理论。在本文中,我们考虑了一个一般的图像恢复模型与非Lipschitz各向异性复合正则化项和$\ell_q$范数($1\leq q<+\infty$)数据保真度项。建立了具有$\ell_1$保真度的各向异性模型的下界理论,该理论适用于脉冲噪声去除问题。对于$1\leq q<+\infty$的一般情况,提供了支持纳入分析。为了求解这种非Lipschitz复合极小化模型,我们在迭代算法中引入了支持度收缩策略,将支持度约束放宽为阈值支持度约束,这在计算上更加实用.每次迭代的目标函数也被线性化以构造强凸子问题。为了使算法更易于实现,我们在每次迭代中计算出该子问题的近似解,但不是精确解,证明了所提出的非精确迭代阈值和支持收缩算法在近似线性化下的整体收敛结果.图像复原和两阶段图像分割实验证明了该算法的有效性。
2021-05-22 cs.NA math.NA math.OC
An inertial forward-backward algorithm for the minimization of the sum of two nonconvex functions
University of Vienna(维也纳大学);Technical University of Cluj-Napoca(克卢日-纳波卡理工大学)
本文提出一种具有惯性/记忆效应的前向-后向近端型算法,用于非凸情况下最小化非光滑函数与光滑函数之和。算法生成的序列在满足Kurdyka-Łojasiewicz不等式条件下收敛到临界点,并通过两个数值实验验证了其在非凸优化问题恢复局部最优解和恢复噪声模糊图像的能力。
2014-10-02 cs.NA math.NA math.OC
Large-Scale Minimization of the Pseudospectral Abscissa
针对带参数的大规模矩阵值函数伪谱横坐标最小化问题,提出一种具超线性收敛性的子空间方法,相比优化不稳定距离或$\nmathcal{H}_\ninfty$范数,该方法对初始猜测无渐近稳定要求且能给出最坏瞬态增长的定量信息。
2024-06-20 cs.NA math.NA math.OC
Non-smooth variational regularization for processing manifold-valued data
在反问题的背景下,用于处理标量和向量值图像、体积和其他数据的许多方法是基于变分公式的。这样的公式需要适当的正则化泛函,其对要重建的对象的预期属性进行建模。向量空间背景下正则化泛函的突出例子是全变差(TV)和Mumford-Shah泛函,以及高阶格式,如全广义变差模型。由于信号或数据存在于非线性流形中的应用,最近对非线性流形值数据的类似方法进行了研究。在本章中,我们考虑流形值数据的各种变分正则化方法。特别是,我们考虑TV最小化以及高阶模型,如总广义变差(TGV)。此外,我们讨论(离散)Mumford-Shah模型和相关方法的分段常数数据。我们开发离散能量去噪和报告的算法方法,以尽量减少它们。此外,我们还处理这些方法的扩展,将间接测量项,从而解决反问题的设置。最后,我们讨论了流形值数据的小波稀疏正则化。
2019-09-19 cs.NA math.NA
An Adaptive Finite Difference Method for Total Variation Minimization
本文提出一种用于图像处理全变差问题的自适应有限差分方法,通过原始对偶间隙误差局部估计生成非均匀网格,并推导二维半光滑牛顿算法求解,实验验证了其适用性。
2024-10-17 cs.NA math.NA
Exact Relaxation for Classes of Minimization Problems with Binary Constraints
Westfälische Wilhelms-Universität Münster(明斯特大学);Helmholtz Zentrum München(赫尔姆霍兹慕尼黑中心);Humboldt-University of Berlin(柏林洪堡大学);University of Graz(格拉茨大学)
利用共面积公式,提出一种针对涉及有界变差二元函数总变分最小化问题的精确松弛框架,将二元约束转化为箱型约束,并证明松弛问题解的阈值化几乎必然得到原问题解。
2012-10-28 cs.NA math.NA math.OC
Local Adaption for Approximation and Minimization of Univariate Functions
Illinois Institute of Technology(伊利诺伊理工学院);University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
本文提出了一种局部自适应算法,保证在Sobolev空间W^{2,∞}[a,b]中对非尖锐输入函数满足绝对误差容忍度。算法自动确定采样点,计算成本与最佳逼近算法相同,且在某些情况下更优。
2016-11-17 cs.NA math.NA
Image Restoration by Iterative Denoising and Backward Projections
School of Electrical Engineering, Tel Aviv University(特拉维夫大学电气工程学院)
本文提出了一种利用现成去噪器解决逆问题的替代方法,通过将典型成本函数转换为新的优化问题,并引入高效的最小化方案和自动调参机制,以减少参数调优并提升图像修复和去模糊的效果。
2018-10-10 cs.CV cs.NA math.NA
A Nonlocal Denoising Algorithm for Manifold-Valued Images Using Second Order Statistics
CMLA – CNRS(法国国家科学研究中心数学与应用实验室);ENS Cachan(卡尚高等师范学院)
本文首次将非局部块方法推广到流形值图像,通过最小均方误差估计提出新的估计器,用于恢复流形值图像。
2016-12-12 cs.CV cs.NA math.NA
Directional Total Generalized Variation Regularization
Technical University of Denmark(丹麦技术大学)
本文提出方向总广义变分正则化方法,用于恢复具有单向纹理的图像,通过方向估计算法和对偶算法实现图像修复,相比各向同性正则化方法在纹理保留和去噪方面有显著提升。
2017-08-22 cs.NA math.NA
Diffusion generated methods for denoising target-valued images
University of Utah(犹他大学)
本文提出用于去噪目标值图像的扩散生成方法,通过热核放松能量并证明其稳定性与收敛性,适用于闭合凸集和球面子集等目标集。
2018-06-18 cs.NA math.NA
A Second Order Non-Smooth Variational Model for Restoring Manifold-Valued Images
Max Planck Institute for Mathematics in the Sciences(马克斯·普朗克科学促进学会数学研究所);Technische Universität Kaiserslautern(凯泽斯劳滕工业大学);Technische Universität München(慕尼黑工业大学);Helmholtz-Zentrum München(赫尔姆霍兹慕尼黑中心)
本文提出了一种新的非光滑变分模型,用于恢复流形值数据,该模型在正则化项中包含二阶差分。虽然此类模型已成功应用于实值图像,但本文引入了二阶差分及对应的变分模型,适用于流形数据,此前仅在循环数据中存在。该方法结合了数值分析、凸优化和微分几何的技巧,通过定义适合的绝对二阶差分,引入基于流形设置中一阶和二阶差分的变分去噪模型,并开发了使用近似循环近点算法的算法来最小化相应功能。对于n-球面和对称正定矩阵流形,展示了算法的实际性能,并证明了所提出的精确和近似循环近点算法变体在Hadamard空间中的收敛性。
2016-10-26 cs.NA math.NA
Denoising of Sphere- and SO(3)-Valued Data by Relaxed Tikhonov Regularization
该研究将圆值数据去噪的凸松弛Tikhonov正则化方法简化并推广至球面与SO(3)值数据,用凸分析标准算法求解,验证了方法的去噪效果与数值收敛性。
2024-05-16 cs.NA math.NA math.OC
On efficient algorithms for computing near-best polynomial approximations to high-dimensional, Hilbert-valued functions from limited samples
Simon Fraser University(西蒙弗雷泽大学);Concordia University(康考迪亚大学)
本文针对稀疏多项式逼近理论不完备、现有方法非严格算法且未明确是否达最优s项速率的问题,提出带理论保证的高效鲁棒算法,可处理标量与希尔伯特值函数,通过数值实验验证了有效性。
2023-11-06 cs.LG cs.NA math.NA
Recovery algorithms for vector valued data with joint sparsity constraints
针对向量值数据的联合稀疏性,提出基于阈值Landweber算法的快速求解方法,并设计自适应权重更新策略,实现$\ell_2$范数收敛,在彩色图像恢复中验证有效性。
2006-08-07 cs.NA math.FA math.NA
Denoising Multi-Color QR Codes and Stiefel-Valued Data by Relaxed Regularizations
Institute of Mathematics, Technische Universität Berlin(数学研究所,柏林技术大学)
本文将一种基于松弛秩约束的高效去噪方法扩展至多二值和Stiefel值数据,提出了基于TV和Tikhonov的去噪模型及凸化方法,并通过合成实验验证了其有效性。
2025-06-28 cs.CV cs.NA math.NA
Morphing of Manifold-Valued Images inspired by Discrete Geodesics in Image Spaces
Technische Universität Kaiserslautern(凯泽斯劳滕工业大学);Fraunhofer ITWM(弗劳恩霍夫工业数学研究所)
本文基于Berkels等人2015年的离散测地线模型,研究流形值图像的变形问题,证明了在有限维Hadamard流形上的最小序列存在性,并提出基于有限差分的离散模型,通过求解注册问题和欧拉-拉格朗日方程实现图像序列的计算。
2018-05-08 cs.NA math.DG math.NA