total Variation (TV) methods are ve

total Variation (TV) methods are very effective for recovering "blocky", possibly discontinuous, images from noisy data. A fixed point algorithm for minimizing a TV-penalized least squares functional is presented and compared to existing minimization schemes. A multigrid method for solving (large, sparse) linear subproblems is investigated. Numerical results are presented for oneand two-dimensional examples; in particular, the algorithm is applied to actual data obtained from confocal microscopy.

ผลลัพธ์ (ไทย) 1:

วิธีการเปลี่ยนแปลง (ทีวี) รวมมีประสิทธิภาพมากสำหรับการกู้คืนภาพอาจไม่ต่อ เนื่อง "แข่งรถจรวด" จากข้อมูลคะ อัลกอริทึมจุดถาวรเพื่อที่สำเร็จ TV อย่างน้อยสี่เหลี่ยมทำงานนำเสนอ และเปรียบเทียบกับแผนการลดภาระที่มีอยู่ วิธี multigrid การแก้ subproblems เชิงเส้น (ขนาดใหญ่ บ่อ) เป็นการตรวจสอบ แสดงผลเป็นตัวเลขสำหรับตัวอย่างสอง oneand โดยเฉพาะอย่างยิ่ง อัลกอริทึมจะใช้กับข้อมูลจริงที่ได้รับจาก confocal microscopy

ผลลัพธ์ (ไทย) 2:

รวมการเปลี่ยนแปลง (TV) วิธีการที่มีประสิทธิภาพมากสำหรับการกู้คืน "บล็อก" ไม่ต่อเนื่องอาจจะเป็นภาพจากข้อมูลที่มีเสียงดัง อัลกอริทึมจุดคงที่สำหรับการลดน้อยสแควร์ทีวีลงโทษการทำงานที่จะนำเสนอและเมื่อเทียบกับที่มีอยู่ในแผนการลด วิธีการแก้ multigrid (ใหญ่เบาบาง) ปัญาเชิงเส้นจะถูกตรวจสอบ ผลเชิงตัวเลขจะถูกนำเสนอสำหรับ oneand ตัวอย่างสองมิติ โดยเฉพาะอย่างยิ่งขั้นตอนวิธีการที่ถูกนำไปใช้กับข้อมูลจริงที่ได้รับจากการใช้กล้องจุลทรรศน์ confocal

ผลลัพธ์ (ไทย) 3:

การเปลี่ยนแปลงทั้งหมด ( รายการโทรทัศน์ ) วิธีที่มีประสิทธิภาพมากสำหรับการกู้คืน " บล็อก " อาจจะไม่ต่อเนื่อง , ภาพจากข้อมูลดัง จุดตรึงสำหรับการลดขั้นตอนวิธีกำลังสองน้อยที่สุดแบบจริงจัง โทรทัศน์นำเสนอ และเมื่อเทียบกับรูปแบบการที่มีอยู่ วิธีกริดหลายระดับสำหรับการแก้ปัญหา ( ขนาดใหญ่มาก ) subproblems เชิงเส้นได้ผลลัพธ์เชิงตัวเลขแสดงมิติ 1 ตัวอย่าง โดยเฉพาะวิธีที่ใช้กับข้อมูลที่ได้จากการใช้จริงด้วย .