Handling outliers in non-blind image deconvolution论文阅读

Handling outliers in non-blind image deconvolution

      • 1. 研究目标与实际意义
      • 2. 创新方法:基于EM的异常值建模
        • 2.1 新模糊模型
          • 2.1.1 目标函数
        • 2.2 EM框架:迭代优化二元掩码
          • 2.2.1 E步:计算后验权重 E [ m x ] E[m_x] E[mx]
          • 2.2.2 M步:加权正则化反卷积
        • 2.3 优化加速技术
          • 2.3.1 频域卷积加速
          • 2.3.2 共轭梯度法(Conjugate Gradient)
          • 2.3.3 边界扩展技术
        • 2.4 算法流程与参数配置
        • 2.5 与传统方法对比优势
      • 3. 实验设计与结果
        • 3.1 合成数据验证
        • 3.2 真实图像测试
      • 4. 未来方向与挑战
      • 5. 批判性评价
      • 6. 实用创新点与学习建议
        • 6.1 核心启发
        • 6.2 所需背景知识
        • 6.3 推荐学习路径

1. 研究目标与实际意义

目标:解决非盲反卷积(Non-Blind Deconvolution)中因异常值(Outliers)(如像素饱和、非高斯噪声)导致的振铃效应(Ringing Artifacts)问题。
图1
(a) 饱和;(d) 均匀噪声;(f) 非线性响应

实际问题:传统线性模糊模型 b = k ∗ l + n b = k * l + n b=kl+n 在实际成像中常被异常值破坏,导致即使模糊核 k k k 准确,反卷积结果仍出现严重伪影。
产业意义:提升图像去模糊系统的鲁棒性,对摄影、医学成像、安防监控等领域的高质量图像恢复至关重要。


2. 创新方法:基于EM的异常值建模

2.1 新模糊模型

论文提出非线性模糊模型,引入剪切函数(Clipping Function) c ( ⋅ ) c(\cdot) c() 动态范围约束:
b = c ( k ∗ l ) + n ( 2 ) b = c(k * l) + n \quad (2) b=c(kl)+n(2)
其中:

  • n n n 为噪声:内点(Inliers)服从高斯分布,外点(Outliers)服从均匀分布(因异常来源复杂)。
  • c ( u ) = { 0 if  u < 0 u if  0 ≤ u ≤ 1 1 if  u > 1 c(u) = \begin{cases} 0 & \text{if } u < 0 \\ u & \text{if } 0 \leq u \leq 1 \\ 1 & \text{if } u > 1 \end{cases} c(u)= 0u1if u<0if 0u1if u>1。该模型的核心创新在于:
  • 动态范围截断:传感器物理限制导致像素值被剪切至 [ 0 , 1 ] [0,1] [0,1]
  • 噪声分离 n n n 包含内点(高斯噪声)和外点(均匀噪声)的混合

代码实现deconv_outlier.m 行 52-53):

ww(bb>1) = 0;  % 剪切上界:f_x>1 时强制设为外点 (E[m_x]=0)
ww(bb<0) = 0;  % 剪切下界:f_x<0 时强制设为外点

此处 bb = fftconv(latent_w, psf) 计算当前潜像的模糊结果 ( k ∗ l ) x (k*l)_x (kl)x(即 f x f_x fx)。该操作动态检测超出动态范围 [ 0 , 1 ] [0,1] [0,1] 的像素,并在后续优化中将其排除(权重 w x m = 0 w_x^m=0 wxm=0)。

2.1.1 目标函数
  • 二元掩码 m x m_x mx:标识像素是否为内点( m x = 1 m_x = 1 mx=1)或外点( m x = 0 m_x = 0 mx=0)。
  • 目标函数(MAP估计)
    l MAP = argmax ⁡ l ∑ m ∈ M p ( b ∣ m , k , l ) p ( m ∣ k , l ) p ( l ) ( 4 ) l_{\text{MAP}} = \underset{l}{\operatorname{argmax}} \sum_{m \in \mathcal{M}} p(b \mid m, k, l) p(m \mid k, l) p(l) \quad (4) lMAP=largmaxmMp(bm,k,l)p(mk,l)p(l)(4)
  • 先验与似然
    • 图像先验 p ( l ) p(l) p(l):稀疏先验(Levin et al.):
      ϕ ( l ) = ∑ x ( ∣ ∇ h l x ∣ α + ∣ ∇ v l x ∣ α ) , α = 0.8 ( 5 ) \phi(l) = \sum_x \left( |\nabla^h l_x|^\alpha + |\nabla^v l_x|^\alpha \right), \quad \alpha=0.8 \quad (5) ϕ(l)=x(h<

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/bicheng/87135.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/87135.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Redis 功能扩展:Lua 脚本对 Redis 的扩展

Redis 是一个高性能的内存数据库&#xff0c;支持多种数据结构&#xff0c;如字符串、哈希、列表、集合和有序集合。为了增强其功能&#xff0c;Redis 引入了 Lua 脚本支持&#xff0c;使开发者可以编写自定义的脚本&#xff0c;确保操作的原子性并提高复杂操作的性能。本文将详…

七天学完十大机器学习经典算法-06.支持向量机(SVM):分类边界的艺术——深入浅出指南

接上一篇《七天学完十大机器学习经典算法-05.从投票到分类&#xff1a;K近邻(KNN)算法完全指南》 想象你要在操场上为两个班级划活动区域&#xff0c;如何画出一条最公平的分界线&#xff1f;这条线不仅要分开两班学生&#xff0c;还要让两个班都离分界线尽可能远——这就是支持…

python如何安装PyQt6-stubs依赖包

PyQt6-stubs 是为 PyQt6 提供类型提示&#xff08;Type Hints&#xff09;和 IDE 智能补全支持的第三方补丁包&#xff0c;特别适用于 PyCharm、VS Code 等现代 IDE。它对开发者在编码时帮助极大。 一、安装方法 需要提前安装好git&#xff0c;然后克隆PyQt6-stubs源码&#xf…

创宇智脑 MCP 赋能 AiPy,IP 风险调查效率实现 10 倍飞跃,威胁分析一键生成

还记得上个月那个焦头烂额的凌晨三点吗&#xff1f;监控大屏突然疯狂闪烁&#xff0c;500 多个 IP 地址同时出现异常访问&#xff0c;密密麻麻的数据流在屏幕上跳动&#xff0c;像极了一张让人窒息的大网。我和团队成员瞪着布满血丝的眼睛&#xff0c;手动排查每一个 IP&#x…

使用SRS+ffmpeg实现https推流flv

1修改SRS的live.conf配置如下&#xff1a; # Live streaming config for SRS. # see full.conf for detail config.listen 1935; max_connections 1000; srs_log_tank console; daemon off;http_api {enabled on;listen …

力扣网编程题:合并两个有序数组(双指针解法)

一. 简介 上一篇文章对"合并两个有序数组"题目&#xff0c;使用了暴力解法&#xff0c;算法时间复杂度比较高。文章如下&#xff1a; 力扣网编程题&#xff1a;合并两个有序数组&#xff08;直接解法&#xff09;-CSDN博客 本文满足进阶要求&#xff0c;算法时间复…

数据结构之 【树的简介】(树的(相关)概念、二叉树的概念、部分性质、满二叉树、完全二叉树)

目录 1.树的概念及结构 1.1树的概念 1.2树的相关概念 1.3树的表示 1.4树在实际中的应用 2.二叉树概念及结构 2.1二叉树的概念 2.2特殊的二叉树 2.3二叉树的性质 2.4应用题 1.树的概念及结构 1.1树的概念 树是一种非线性的数据结构&#xff0c;由 n&#xff08;n…

Redis-7.4.3-Windows-x64下载安装使用

Redis软件包下载地址链接&#xff1a;https://github.com/redis-windows/redis-windows/releases 检查或者修改配置文件redis.conf&#xff1a; #如果允许外部其他主机访问本机redis&#xff0c;设置成&#xff1a;bind 0.0.0.0 bind 127.0.0.1 protected-mode yes #设置端口…

Educational Codeforces Round 180 (Rated for Div. 2)

AB 略 C 对于axayaz>max(2*az,an)&#xff0c;枚举y z 二分x D 首先&#xff0c;长度为1的边的已经有n-1条&#xff0c;那么构造的图中只能存在一条长度为2的好边。我们先构造出一个图只存在n-1条好边&#xff0c;我们发现对于一个点所有连接它的边要不均指向它要不均背…

CAD文件处理控件Aspose.CAD教程:在 Python 中将 DGN 文件转换为 PDF

概述 将DGN文件转换为PDF对许多行业至关重要&#xff0c;包括工程和建筑行业。能够轻松地以 PDF 格式共享设计&#xff0c;增强协作和可访问性。通过使用Aspose.CAD for Python via .NET的强大功能&#xff0c;开发人员可以高效地自动化此过程。这款 CAD 转换器 SDK 简化了转换…

宁德时代携手问界,以“厂中厂”模式加速扩产

6月30日&#xff0c;宁德时代在赛力斯超级工厂的两条CTP2.0高端电池包产线正式投产。这是宁德时代在重庆布局的首个基地&#xff0c;并首次采用“厂中厂”合作模式&#xff0c;为问界系列车型本地化生产供应动力电池系统。重庆市、四川省广安市有关负责人&#xff0c;赛力斯集团…

工作中常用的Git操作命令(一)

说明 时间过得真快&#xff0c;一转眼吗喽也是好歹工作几年了&#xff0c;把这些年平时用的git命令整理记录一下&#xff0c;分几个文章&#xff0c;囊括了常用的命令&#xff0c;工作日常很多时候都是使用svn&#xff0c;回到宿舍自己的项目才是git&#xff0c;就问你离不离谱…

2.2.5 Windows系统日志管理

文章目录 一、试题及考试说明二、操作步骤1. 在计算机策略中&#xff0c;启用安装程序的日志记录&#xff0c;并且配置日志大小最大10M&#xff0c;日志存储位置为D:\kaoshi_3\2.2.5\&#xff1b;2. 查询安全日志中登录失败的日志信息&#xff0c;并导出保存在D:\kaoshi_3\2.2.…

AiPy实战(7):一键生成天气组件,解放UI设计的双手

在传统 UI 开发流程中&#xff0c;界面设计与实现往往是一项高度依赖人工投入的系统性工作。从页面布局架构搭建、图标元素精确定位&#xff0c;到响应式设计适配&#xff0c;仅基础样式表&#xff08;CSS&#xff09;的编写就可能涉及数十行甚至上百行代码。​ 随着智能开发工…

解读32页大数据中心运营管理整体规划方案【附全文阅读】

该文档为大数据中心运营管理整体规划方案&#xff0c;聚焦于构建高效规范的运营管理体系。方案提出以 “敏前台、稳中台、强后台” 为框架&#xff0c;构建覆盖全角色、全过程、全周期、全要素的一体化 IT 运营管控体系&#xff0c;采用 “11N” 运营模式&#xff0c;明确业主、…

Pyhton-EXCEL与Mysql数据对比

该段代码主要实现从数据库和 Excel 文件中读取数据&#xff0c;并对两者进行字段匹配&#xff0c;最终找出 Excel 中未匹配到的数据库记录。功能如下&#xff1a; [sqlSelect()]&#xff1a;连接 MySQL 数据库并查询比价单及其商品信息。[BiJiaDaoChu()]&#xff1a;调用外部 …

InnoDB索引

1、索引的建立 / 数据的存储 一条条数据存储到页中后&#xff0c;各个数据页组成了一个双向链表&#xff0c;而每个数据页中的记录会按照主键值从小到大的顺序组成一个单向链表。此时&#xff0c;如果我想根据主键值查询一条记录&#xff0c;只能从第一个数据页开始一个页一个页…

[考研408数据结构]王道大题暑假自用复习记录(每日更新...)

DAY1 2025年6月29日 雨转晴&#x1f327;&#x1f324; 第二章 线性表 2.2线性表的顺序表示 1、从顺序表中删除具有最小值的元素&#xff08;假设唯一&#xff09;并由函数返回被删元素的值。空出的位置由最后一个元素填补&#xff0c;若顺序表为空&#xff0c;则显示出错信…

vue2 el-select下拉选择框 点击其他位置或者弹窗关闭下拉框/点击取消时,下拉框变成之前的值

1.elSelect点击空白处无法收起下拉框&#xff08;失去焦点并隐藏&#xff09; // 定义指令 directives: {clickOutside: {bind: function (el, binding, vnode) {el.clickOutsideEvent function (event) { // here I check that click was outside the el and his childrensif…

MYSQL-JAVAweb1

1.登录 在黑框中输入 net start mysql // 启动mysql服务 net stop mysql // 停止mysql服务1.MySQL数据模型 关系型数据库&#xff1a; 关系型数据库是建立在关系模型基础上的数据库&#xff0c;简单说&#xff0c;关系型数据库是由多张能互相连接的 二维表 组成的数据库 如…