arXiv 2404.050702024-04-07eess.IV

用于时空图像重建的 STAIC 正则化

STAIC regularization for spatio-temporal image reconstruction

Deepak G Skariah, Muthuvel Arigovindan

AI总结：

针对随时间采集的 2D+t 图像，提出 STAIC 自适应时空正则化及相应极小化重建方法，并在 TIRF 图像上验证其降噪与恢复效果。

摘要：

我们提出了一种基于正则化的图像恢复方案，用于处理随时间记录的二维图像（2D+t）。我们设计了一种基于下确界卷积的正则化函数，称之为时空自适应下确界卷积（spatio-temporal Adaptive Infimal Convolution，STAIC）正则化。我们将下确界卷积表述为 2D+t 图像的加性分解形式，从而以随空间和时间变化的方式控制空间平滑与时间平滑的程度。这使得正则化能够适应运动的局部特征，从而提高处理噪声的能力。我们还利用所提出的正则化形式开发了一种用于图像重建的极小化方法。我们使用随时间记录的 TIRF 图像证明了所提正则化的有效性，并与若干选定的现有正则化方法进行了比较。

英文摘要：

We propose a regularization-based image restoration scheme for 2D images recorded over time (2D+t). We design an infimal convolution-based regularization function which we call spatio-temporal Adaptive Infimal Convolution (STAIC) regularization. We formulate the infimal convolution in the form of an additive decomposition of the 2D+t image such that the extent of spatial and temporal smoothing is controlled in a spatially and temporally varying manner. This makes the regularization adaptable to the local characteristics of the motion leading to an improved ability to handle noise. We also develop a minimization method for image reconstruction by using the proposed form of regularization. We demonstrate the effectiveness of the proposed regularization using TIRF images recorded over time and compare with some selected existing regularizations.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

AI总结：

摘要：

英文摘要：

相关论文