In this paper, we introduced two al

In this paper, we introduced two algorithms (SFP and MG) for solving the curvature-based denoising model [56], which is high order and capable of effective noise removal. The resulting EL equation is of fourth order, anisotropic, and highly nonlinear, so conventional algorithms struggle to find the solution quickly and efficiently. In contrast, our MG algorithm is shown to be fast and robust up to some degree to changes in the noise level and parameters.
We explained that a fixed point method using the Vogel and Oman idea [51] is unstable and simply does not work for this curvature-based formulation. We then showed how to stabilize this fixed point method and developed a stabilized fixed point method, giving evidence through local Fourier analysis of its smoothing properties. Based on this, we developed a fast nonlinear MG method. Finally, a generalization of our algorithms to similar problems was discussed. A recent generalization to color images was done in [12].

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เรานำอัลกอริทึม 2 (SFP และ MG) สำหรับการแก้ตามโค้ง denoising แบบ [56], ซึ่งเป็นลำดับสูง และความสามารถในการกำจัดเสียงรบกวนที่มีประสิทธิภาพ สมการเอลได้เป็นลำดับที่สี่ anisotropic และต่อสู้ไม่เชิงเส้นสูง ธรรมดาดังนั้นอัลกอริทึมในการค้นหาการแก้ปัญหาได้อย่างรวดเร็ว และมีประสิทธิภาพ ในทางตรงกันข้าม อัลกอริทึม MG ของเราแสดงอย่างรวดเร็ว และแข็งแกร่งขึ้นบางส่วนกับการเปลี่ยนแปลงระดับเสียงและพารามิเตอร์เราอธิบายวิธีจุดถาวรใช้คิดโวเกลและโอมาน [51] ไม่แน่นอน และก็ไม่ได้ทำงานตามขนาดที่กำหนด เราพบว่าวิธีนี้คงจุดมุ่ง แล้วพัฒนาวิธีจุดเสถียรถาวร หลักฐานผ่านการวิเคราะห์ฟูรีเยเฉพาะคุณสมบัติผืนให้ ตามนี้ เราพัฒนาวิธี MG ไม่เชิงเส้นอย่างรวดเร็ว สุดท้าย generalization ของอัลกอริทึมของเราปัญหาคล้ายกันได้กล่าวถึง Generalization ล่าสุดกับภาพสีภายใน [12]

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราแนะนำสองอัลกอริทึม (SFP และ MG) สำหรับการแก้ความโค้งตามรูปแบบ denoising [56] ซึ่งเป็นคำสั่งที่สูงและความสามารถในการกำจัดเสียงรบกวนที่มีประสิทธิภาพ ผลสม EL เป็นของคำสั่งที่สี่ anisotropic และไม่เป็นเชิงเส้นสูงดังนั้นขั้นตอนวิธีการชุมนุมต่อสู้เพื่อหาทางแก้ปัญหาได้อย่างรวดเร็วและมีประสิทธิภาพ ในทางตรงกันข้ามอัลกอริธึมของเราจะแสดงให้เห็นได้อย่างรวดเร็วและมีประสิทธิภาพเพิ่มขึ้นในระดับหนึ่งต่อการเปลี่ยนแปลงในระดับเสียงและพารามิเตอร์.
เราอธิบายว่าวิธีการจุดคงที่โดยใช้วอเกิลและความคิดโอมาน [51] ไม่แน่นอนและก็ไม่ได้ทำงาน การกำหนดความโค้งตามนี้ จากนั้นเราจะแสดงให้เห็นว่าวิธีการรักษาเสถียรภาพวิธีจุดนี้คงที่และการพัฒนาวิธีการจุดคงความเสถียรให้หลักฐานที่ผ่านการวิเคราะห์ฟูริเยร์ในท้องถิ่นของคุณสมบัติของมันเรียบ จากนี้เราพัฒนาวิธีการเชิงเส้น MG รวดเร็ว สุดท้ายทั่วไปของอัลกอริทึมของเราที่จะปัญหาที่คล้ายกันก็คุยกัน ทั่วไปที่ผ่านมาเพื่อภาพสีที่ทำใน [12]

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราแนะนำสองขั้นตอนวิธี ( SFP และ Mg ) เพื่อแก้ไขความโค้งตาม denoising แบบ [ 56 ] ซึ่งเป็นสินค้าสูง และความสามารถในการกำจัดเสียงรบกวนที่มีประสิทธิภาพ ส่งผลให้เอล สมการของลำดับ 4 ทิศทาง และขั้นตอนวิธีแบบไม่เป็นเชิงเส้นสูง ดังนั้นการต่อสู้ที่จะหาโซลูชั่นได้อย่างรวดเร็วและมีประสิทธิภาพ ในทางตรงกันข้ามขั้นตอนวิธีมก. ของเราเป็นอย่างรวดเร็วและแข็งแกร่งขึ้นในระดับหนึ่ง เพื่อการเปลี่ยนแปลงระดับเสียงรบกวนและพารามิเตอร์ .
เราอธิบายว่าจุดคงที่ วิธีใช้ โวเกล โอมาน คิด [ 51 ] ไม่เพียงไม่ทำงานสำหรับความโค้งนี้กำหนดตาม จากนั้น เราก็พบวิธีที่จะทำให้จุดนี้คงที่และวิธีการพัฒนาปรับปรุงจุดคงที่วิธีการให้หลักฐานผ่านท้องถิ่น Fourier analysis ของเรียบคุณสมบัติ ตามนี้ เราได้พัฒนาวิธีมก. อย่างรวดเร็วแบบไม่เชิงเส้น ในที่สุด การแผ่ขยายของขั้นตอนวิธีของเราปัญหาที่คล้ายกันที่กล่าว มีความเห็นล่าสุดภาพสีได้
[ 12 ]