روش هموتاپی برای میانگین یک مدل رفع پارازیت منحنی

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

روش هموتاپی برای میانگین یک مدل رفع پارازیت منحنی

عنوان لاتین

Homotopy method for a mean curvature-based denoising model

مدل های رفع پارازیت تصویری انحرافی بر اساس تنظیم گرادیان ها مورد مطالعه محققان زیادی قرار گرفته است. مدل کلی واریانس ارائه شده به وسیله رودین، اوشر و فاطمی (1992) می تواند به راحتی لبه های تصویر را حفظ کند اما برای تصاویری بدون لبه (جهشی) راه حل برای این مدل اثر پلکانی نامطلوب می باشد. برای غلبه بر این مشکل، مدل های متوسط کمینه سازی انرژی منحنی، روشی را برای احیای هم تصاویر هموار (بدون لبه) و هم تصویر غیر هموار ( با لبه) ارائه می کند. همان طور که چنین مدل هایی منجر به ایجاد معادلات دیفرانسیلی جزیی غیر خطی درجه چهارم می شود( به جای درجه دوم معمولی)، ایجاد حل کننده های سریع نیز یک چالش مهم در این زمینه شده است. قبلا روش های نفطه ثابت پایدار و روش های چند شبکه ای همراه با آنها در این زمینه ایجاد شده بودند اما عوامل متضمن آن باید به وسیله پارامتر نسبتاً بزرگ تنظیم گردند. در این مقاله ما در ابتدا یک روش منحنی نقطه ثابت را برای حل کردن چنین معادلاتی را ارائه می کنیم و سپس یک روش هموتاپی را برای واریانس گرفتن از پارامتر های تنظیم شده ارائه می کنیم به گونه ای که بتوان از روش نیوتونی در چارچوب تصحیح کننده – پیش بینی کننده استفاده کرد. شواهد عددی نشان می دهد که هر دو روش قادر هستند که تمام اطلاعات مهم موجود در تصاویر را حفظ کنند و در عین حال نیز پارازیت ها را هم از بین ببرند.

Variational image denoising models based on regularization of gradients have been extensively studied. The total variation model by Rudin, Osher, and Fatemi (1992) [38] can preserve edges well but for images without edges (jumps), the solution to this model has the undesirable staircasing effect. To overcome this, mean curvature-based energy minimization models offer one approach for restoring both smooth (no edges) and nonsmooth (with edges) images. As such models lead to fourth order (instead of the usual second order) nonlinear partial differential equations, development of fast solvers is a challenging task. Previously stabilized fixed point methods and their associated multigrid methods were developed but the underlying operators must be regularized by a relatively large parameter. In this paper, we first present a fixed point curvature method for solving such equations and then propose a homotopy approach for varying the regularized parameter so that the Newton type method becomes applicable in a predictor–corrector framework. Numerical experiments show that both of our methods are able to maintain all important information in the image, and at the same time to filter out noise