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

2015 | OriginalPaper | Buchkapitel

Blind Motion Deblurring Based on Fused \(\ell _0\)-\(\ell _1\) Regularization

verfasst von : Kai Wang, Yu Shen, Liang Xiao, Zhihui Wei, Linxue Sheng

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

In blind motion deblurring, various regularization models using different priors of either the image or the blur kernel are proposed to estimate the blur kernel, with tendency towards naive \(\ell _0\) norm or its approximations. In this paper, we propose a novel fused \(\ell _0\)-\(\ell _1\) regularization approach to estimate the motion blur kernel by imposing sparsity and continuation properties on natural images. A fast numerical scheme is then deduced by coupling operator splitting and the Augmented Lagrangian method to solve the proposed model efficiently. Experimental results on both synthetic and real data demonstrate the effectiveness of the proposed method and the superiority over the state-of-the-art methods.

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 Blood Vessel Segmentation of Retinal Images Based on Neural Network
Literatur
1.
Fergus, R., Singh, B., Hertzmann, A., Roweis, S.T., Freeman, W.T.: Removing camera shake from a single photograph. ACM Trans. Graph. 25(3), 787–794 (2006)CrossRef
2.
Cho, S., Lee, S.: Fast motion deblurring. ACM Trans. Graph. 145(8), 145:1–145:8 (2009)
3.
Xu, L., Jia, J.: Two-phase kernel estimation for robust motion deblurring. In: Daniilidis, K., Maragos, P., Paragios, N. (eds.) ECCV 2010, Part I. LNCS, vol. 6311, pp. 157–170. Springer, Heidelberg (2010) CrossRef
4.
Shan, Q., Jia, J., Agarwala, A.: High-quality motion deblurring from a single image. ACM Trans. Graph. 27(3), 73:1–73:10 (2008)CrossRef
5.
Krishnan, D., Tay, T., Fergus, R.: Blind deconvolution using a normalized sparsity measure. In: CVPR, pp. 233–240 (2011)
6.
Xu, L., Zheng, S., Jia, J.: Unnatural L0 sparse representation for natural image deblurring. In: CVPR, pp. 1107–1114 (2013)
7.
Pan, J., Su, Z.: Fast L0-regularized kernel estimation for robust motion deblurring. IEEE Sig. Process. Lett. 20(9), 841–844 (2013)MathSciNetCrossRef
8.
9.
Levin, A., Weiss, Y., Durand, F., Freeman, W. T.: Efficient marginal likelihood optimization in blind deconvolution. In: CVPR, pp. 2657–2664 (2011)
10.
Levin, A., Weiss, Y., Durand, F., Freeman, W.T.: Understanding blind deconvolution algorithms. IEEE Trans. Pattern Anal. Mach. Intell. 33(12), 2354–2367 (2011)CrossRef
11.
Babacan, S.D., Molina, R., Do, M.N., Katsaggelos, A.K.: Bayesian blind deconvolution with general sparse image priors. In: Fitzgibbon, A., Lazebnik, S., Perona, P., Sato, Y., Schmid, C. (eds.) ECCV 2012, Part VI. LNCS, vol. 7577, pp. 341–355. Springer, Heidelberg (2012) CrossRef
12.
13.
Tibshirani, R., Saunders, M., Rosset, S., Zhu, J., Knight, K.: Sparsity and smoothness via the fused lasso. J. Royal Stat. Soc. Ser. B 67(1), 91–108 (2005)MathSciNetCrossRefMATH
14.
Wenze, S., Haisong, D., Zhihui, W.: The magic of split augmented Lagrangians applied to K-frame-based \(\ell _0\)-\(\ell _2\) minimization image restoration. Sig. Image Video Process. 8, 975–983 (2014)CrossRef
15.
Afonso, M., Bioucas-Dias, J., Figueiredo, M.: Fast image recovery using variable splitting and constrained optimization. IEEE Trans. Image Process. 19(19), 2345–2356 (2010)MathSciNetCrossRef
16.
Yin, W., 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)MathSciNetCrossRefMATH
17.
Krishnan, D., Fergus, R.: Fast image deconvolution using Hyper-Laplacian priors. In: NIPS, pp. 1033–1041 (2009)
Metadaten
Titel
Blind Motion Deblurring Based on Fused - Regularization
verfasst von
Kai Wang
Yu Shen
Liang Xiao
Zhihui Wei
Linxue Sheng
Copyright-Jahr
2015
Buch
Image and Graphics

Print ISBN: 978-3-319-21962-2

Electronic ISBN: 978-3-319-21963-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-21963-9_1