1D通過變分方法對圖像進行離散去噪（平滑項的長度）

至於說起這個1D discrete denoising via variational calculus我想知道如何操縱平滑項的長度，只要它應該是N-1，而數據的長度長期爲N。這裏，等式：1D通過變分方法對圖像進行離散去噪（平滑項的長度）

E=0; 
for i=1:n 
E+=(u(i)-f(i))^2 + lambda*(u[i+1]-n[i])

E是實際u在優化過程中的成本
f給出圖像（降噪）
u是輸出圖像（降噪）
n是長度一維載體。
lambda>=0是重量在優化處理（在視頻周圍13分鐘描述）

這裏第二項和第一項不匹配的長度的平滑性。如何解決這個問題？更重要的是，我想用線性方程組來解決這個問題。

來源

2015-11-04 mexes

請添加更多信息。你還沒有指定一種語言，你目前有什麼代碼？ – Mathemats

的問題，因爲它的立場，它更適合於[交叉驗證]（http://stats.stackexchange.com/），因爲它不具體涉及到一個編程的問題。 – Tgsmith61591

你想實現/引用什麼去噪技術（FIR，基於FFT，基於神經網絡，基於FUZY邏輯...）？什麼是輸入信號屬性？你想擺脫什麼噪音....添加樣品。什麼是約束（運行時，準確性，內存，...）？什麼語言/平臺......還我傾向於認爲你將不得不在http://dsp.stackexchange.com/更多的運氣以此爲這樣的任務通常是在DSP上做....所以，你會發現更多的人這方面的知識有 – Spektre

這是遠不及我的那杯茶，但我想你指的是一個事實，即：

u[i+1]-n[i]正在訪問的下一個像素使長期工作只在第1個決議像素越小則原f

在圖形和過濾這通常解決了2種方法：

您可以設置默認或中性（該進程）顏色的像素（如黑色）的圖像分辨率內的最近的鄰居的
用色
使用默認值

內插mising像素（雙線性，雙三次......）

我薄k第一選擇不適合您的去噪技術。

改變輸出圖像的分辨率

一般經過一些過濾技術（通過FIR等）的結果爲1周的象素較小然後輸入以解決遺漏數據問題。在你的情況下，它看起來像你的結果u圖像應該是1個像素大，然後輸入圖像f，同時計算成本函數。

因此，要麼通過子彈擴大它＃1當優化完成後，您可以裁剪回原來的大小。

或虛擬裁剪f一個像素下（只是說n'=n-1）計算成本函數，因此，您避免訪問衝突（也可以在優化後恢復回來...）

來源

2015-11-19 07:38:23 Spektre

1D通過變分方法對圖像進行離散去噪（平滑項的長度）

回答

相關問題