Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2017 | OriginalPaper | Buchkapitel

A Double Recursion Algorithm to Image Restoration from Random Limited Frequency Data

verfasst von : Xiaoman Liu, Jijun Liu

Erschienen in: Image and Graphics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

One of the main tasks in image restoration is to catch the picture characteristics such as interfaces and textures from incomplete noisy frequency data. For the cost functional with data matching term in frequency domain and the total variation together with Frobenius norm penalty terms in spatial domain, the properties of the minimizer of cost functional and the error estimates on the regularizing solution are established. Then we propose an algorithm with double recursion to restore piecewise smooth image. The Bregman iteration with lagged diffusivity fixed point method is used to solve the corresponding nonlinear Euler-Lagrange equation. By implementing recursion algorithms a few times, the satisfactory reconstructions can be obtained using random band sampling data. Numerical implementations demonstrate the validity of our proposed algorithm with good edge-preservations.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel RGB-D Saliency Detection with Multi-feature-fused Optimization
Literatur
1.
Engl, H.W., Hanke, M., Neubauer, A.: Regularization of Inverse Problems. Kluwer Academic Publishers, Dordrecht (1996)CrossRefMATH
2.
Shi, Y.Y., Yang, X., Chang, Q.: The Total Variation Model and Numerical Methods for Image Restoration. Science Press, Beijing (2013)
3.
Xu, C.: The Application on Image Inpainting with Beyond Wavelets and Variation Analysis. Science Press, Beijing (2013)
4.
Jia, Y., Liu, P., Niu, S.: Partial Differential Equation on Image Processing and Program Design. Science Press, Beijing (2012)
5.
6.
Zhu, Y.G., Liu, X.M.: A fast method for L1–L2 modeling for MR image compressive sensing. J. Inverse Ill-posed Prob. 23, 211–218 (2015)MathSciNetMATH
7.
Wang, X.D., Feng, X., Wang, W., Zhang, W.: Iterative reweighted total generalized variation based poisson noise removal model. Appl. Math. Comput. 223, 264–277 (2013)MathSciNetMATH
8.
Candes, E., Romberg, J., Tao, T.: Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information. IEEE Trans. Inf. Theory 52, 489–509 (2006)MathSciNetCrossRefMATH
9.
10.
Vogel, C.R.: Computational Methods for Inverse Problems. SIAM Frontiers in Applied Mathematics, Philadephia (2002)CrossRefMATH
11.
Shahrasbi, B., Rahnavard, N.: Model-based nonuniform compressive sampling and recovery of natural images utilizing a wavelet-domain universal hidden Markov model. IEEE Trans. Sign. Process. 65, 95–104 (2017)MathSciNetCrossRef
12.
Liu, X.M., Zhu, Y.G.: A fast method for TV-L1-MRI image reconstruction in compressive sensing. J. Comput. Inf. System. 2, 1–9 (2014)
13.
Yin, W.T., Osher, S., Goldfarb, D., Darbon, J.: Bregman iterative algorithms for L1-minimization with applications to compressed sensing. SIAM J. Imag. Sci. 1, 143–168 (2008)CrossRefMATH
14.
Bregman, L.: The relaxation method of finding the common points of convex sets and its application to the solution of problems in convex programming. USSR Comput. Math. Math. Phy. 7, 200–217 (1967)MathSciNetCrossRefMATH
15.
Chen, B.L.: Theory and Algorithms of Optimization, 2nd edn. Tsinghua University Publishing, Beijing (2005)
16.
17.
Yao, M.: Digital Image Processing. China Machine Press, Beijing (2006)
18.
Ng, M., Chan, R., Tang, W.: A fast algorithm for deblurring models with Neumann boundary conditions. SIAM J. Sci. Comput. 21, 851–866 (1999)MathSciNetCrossRefMATH
Metadaten
Titel
A Double Recursion Algorithm to Image Restoration from Random Limited Frequency Data
verfasst von
Xiaoman Liu
Jijun Liu
Copyright-Jahr
2017
Buch
Image and Graphics

Print ISBN: 978-3-319-71597-1

Electronic ISBN: 978-3-319-71598-8

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-71598-8_1