文献

J-GLOBAL ID：201702257311275028   整理番号：17A1392069

画像復元:スパースおよび低ランク事前深部プライア[講義ノート]まで【Powered by NICT】

Image Restoration: From Sparse and Low-Rank Priors to Deep Priors [Lecture Notes]

著者 (2件)： Zhang Lei (Department of Computing, The Hong Kong Polytechnic University, Hong Kong, -----, Hong Kong) ,  Zuo Wangmeng (School of Computer Science and Technology, Harbin, Heilongjiang, China)
資料名： IEEE Signal Processing Magazine  (IEEE Signal Processing Magazine)
巻： 34  号： 5  ページ： 172-179  発行年： 2017年 
JST資料番号： H0928A  ISSN： 1053-5888  CODEN： ISPRE6  資料種別： 逐次刊行物 (A)
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： 専門ディジタルシネマカメラ消費者グレードスマートフォンカメラの範囲のディジタルイメージングデバイスの使用は,普遍的になってきた。取得した画像は,未知の潜像の劣化した観察である,一方,分解は雑音破壊,手ぶれ,物体運動,分解能限界,曇り,雨のしずくの縞模様,あるいはそれらの組合せのような様々な要因に由来する。,画像処理および低水準ビジョンにおける基本的な問題として,画像復元(IR)は,その分解観測からの潜在的高品質画像を再構成することを目的とした。画像分解は,一般的には不可逆的で,IRは典型的な不良設定逆問題である。自然画像コンテンツの大空間のために,画像構造に関する事前情報は,解空間を正規化と潜像の良好な推定を生成するために重要である。画像以前のモデリングと学習は,IR研究における重要な問題である。講義ノートは,イメージプライアモデリングと学習技術の開発,スパース表現モデル,低ランクモデル,および深い学習モデルについて述べた。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： 再構成 ,  雑音 ,  正規化 ,  *画像復元 ,  *画像 ,  モデリング ,  逆問題 ,  分解能 ,  学習モデル ,  潜像 ,  学習 ,  液滴
準シソーラス用語： スパース表現 ,  事前知識 ,  *講義 , 【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 (4件)： 画像復元 ,  深部 ,  講義 ,  ノート