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:
Blind Motion Deblurring Based on Fused - Regularization Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Image Denoising with Higher Order Total Variation and Fast Algorithms

verfasst von : Wenchao Zeng, Xueying Zeng, Zhen Yue

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 this paper, we propose an efficient higher order total variation regularization scheme for image denoising problem. By relaxing the constraints appearing in the traditional infimal convolution regularization, the proposed higher order total variation can remove the staircasing effects caused by total variation as well as preserve sharp edges and finer details well in the restored image. We characterize the solution of the proposed model using fixed point equations (via the proximity operator) and develop convergent proximity algorithms for solving the model. Our numerical experiments demonstrate the efficiency of the proposed method.

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
Vorheriges Kapitel Image Annotation Based on Multi-view Learning
Nächstes Kapitel Improve Neural Network Using Saliency
Literatur
1.
2.
Chambolle, A., Lions, P.: Image recovery via total variation minimization and related problems. Numer. Math. 76, 167–188 (1997)MathSciNetCrossRefMATH
3.
Chen, F., Shen, L., Yuesheng, X., Zeng, X.: The moreau envelope approach for the l1/tv image denoising model. Inverse Probl. Imaging 8(1), 53–77 (2014)MathSciNetCrossRefMATH
4.
Chen, Q., Montesinos, P., Sun, Q., Heng, P., Xia, D.: Adaptive total variation denoising based on difference curvature. Image Vis. Comput. 28(3), 298–306 (2010)CrossRef
5.
Dong, Y., Hintermuller, M., Rincon-Camacho, M.: Automated regularization parameter selection in mutiscale total variation methods for image restoration. J. Math. Imaging Vis. 40(1), 82–104 (2011)MathSciNetCrossRefMATH
6.
Micchelli, C.A., Shen, L., Xu, Y.: Proximity algorithms for image models: Denosing. Inverse Probl. 27(4), 045009(30pp) (2011)MathSciNetCrossRef
7.
Micchelli, C.A., Shen, L., Yuesheng, X., Zeng, X.: Proximity algorithms for the \(l_1/tv\) image denosing models. Adv. Comput. Math. 38(2), 401–426 (2013)MathSciNetCrossRefMATH
8.
Rudin, L., Osher, S., Fatemi, E.: Nonlinear total variation based noise removal algorithms. Phys. D 60, 259–268 (1992)CrossRefMATH
9.
Setzer, S., Steidl, G., Teuber, T.: Infimal convolution regularizations with discrete l1-type functionals. Commun. Math. Sci. 9(3), 797–872 (2011)MathSciNetCrossRefMATH
10.
Strong, D., Blomgren, P., Chan, T.: Spatially adaptive local feature-driven total variation minimizing image restoration. In: Proceedings of SPIE, vol. 3167, pp. 222–233 (1997)
11.
Zeng, X., Li, S.: An efficient adaptive total variation regularization for image denoising. In: 2013 Seventh International Conference on Image and Graphics (ICIG), pp. 55–59. IEEE (2013)
Metadaten
Titel
Image Denoising with Higher Order Total Variation and Fast Algorithms
verfasst von
Wenchao Zeng
Xueying Zeng
Zhen Yue
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_37