文献

J-GLOBAL ID：201702229153250830   整理番号：17A1724761

ブラインド画像デコンボリューションのためのスパイクおよびスラブ変分推論におけるパラメータ推定【Powered by NICT】

Parameter estimation in spike and slab variational inference for blind image deconvolution

著者 (4件)： Serra Juan G. (University of Granada, Dept. of Computer Science and Artificial Intelligence) ,  Mateos Javier (University of Granada, Dept. of Computer Science and Artificial Intelligence) ,  Molina Rafael (University of Granada, Dept. of Computer Science and Artificial Intelligence) ,  Katsaggelos Aggelos K. (Northwestern University, Dept. of Electrical Engineering and Computer Science)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EUSIPCO  ページ： 1495-1499  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 芸術ブラインド画像デコンボリューション法の大部分の現在の状態はスパース性プライアを促進を用いて背景にある画像(画像またはフィルタ空間のいずれか)をモデル化し,推論,すなわち,変分近似を用いた画像,ぼけ,パラメータ推定を行った。本論文では,フィルタ空間におけるスパイクとスラブ事前モデルの使用と平均場以上表現変分後近似を提案した。スパース機械学習における「ゴールドスタンダード」である,スパイクとスラブ事前モデルは不適切な変数を縮小する選択的に能力を持つ関連した変数である軽度正則化した。より正確で雑音の多いぼけカーネル推定をもたらすぼけの推定のための重要な特徴を保持しながらこれは無関係な情報を捨てることを可能にした。本論文では,フィルタ空間,MCMCよりもより効率的で標準平均場変分近似よりも正確にぼけを推定するための変分推論アルゴリズムを提案した。前モデルのパラメータは,ぼけと共に推定した。ぼけを推定し,使用される鋭い画像を得ることである非ブラインド画像復元アルゴリズム。は人工的に生成された画像および実画像の両者の上で提案手法の有効性を証明した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *画像 ,  画像復元 ,  正則化 ,  モデリング ,  *パラメータ推定 ,  *変分法 ,  近似法 ,  透視図法 ,  フィルタ ,  アルゴリズム ,  機械学習
準シソーラス用語： 変分近似 ,  スパース性 ,  *変分推論 ,  *画像デコンボリューション , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ブラインド ,  画像デコンボリューション ,  スラブ ,  変分推論 ,  パラメータ推定