Денозирование рисунков Poisson с использованием Minimax Concave и перевзвешенных штрафов в размере $ell_1 долл. США: небрежные и слепоты

Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 7 сентября 2026 года] Название: Poisson Image Dennoization с использованием Minimax Concave и перевзвешенных $_1 долл. Несмотря на разработку инструментов для фотосъемки, создание четкой картины без шума по-прежнему сопряжено с трудностями на практике. В частности, шум Пуасон оказывает влияние на медицинские и астрономические изображения и снижает их качество. Кроме того, размытое является еще одним фактором, влияющим на качество изображения. Проблема восстановления изображения становится очень сложной, когда у нас нет информации о функции распределения точек (PSF). Такие проблемы известны как слепые. Однако в некоторых изображениях, таких как некоторые астрономические изображения, можно уточнить тип PSF и эти типы проблем известны как небленистые проблемы. Для решения таких обратных проблем широко используется метод полного изменения (TV), при котором наиболее важным фактором, влияющим на функционирование данного метода, является выбор функции наказания. В этом документе, чтобы улучшить защиту края, мы используем перевзвешенную $ell_1 долл. Кроме того, мы предлагаем неприкрытый и слепой подход к обезображиванию изображений под шумом Паузона с использованием Minimax Concave Penalation (MCP), который является постоянным средством поощрения спарчивости и практически беспристрастным регуляризатором. Эта формулировка приводит к невыпущенной модели оптимизации. Для решения предлагаемой модели мы…