ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

图像反问题中的数学与深度学习方法

董彬北京大学; 北京
计算数学2019
4阅读
引用收藏
分享

摘要

我们生活在数字的时代,数据已经成为了我们生活中不可或缺的一部分,而图像无疑是最重要的数据类型之一.图像反问题,包括图像降噪,去模糊,修复,生物医学成像等,是图像科学中的重要领域.计算机技术的飞速发展使得我们可以用精细的数学和机器学习工具来为图像反问题设计有效的解决方案.本文主要回顾图像反问题中的三大类方法,即以小波(框架)为代表的计算调和分析法、偏微分方程(PDE)方法和深度学习方法.我们将回顾这些方法的建模思想和一些具体数学形式,探讨它们之间的联系与区别,优点与缺点,探讨将这些方法有机融合的可行性与优势.

学科与关键词

关键词
图像反问题图像重建医疗影像图像识别变分模型偏微分方程小波变换卷积神经网络深度学习 Image inverse problemimage reconstructionmedical imagingimage recognitionvariational modelpartial differential equationswavelet transformconvolutional neural networkdeep learning
相关
加载中…
  • 一种基于线性化Bregman迭代的图像去模糊新方法
    乔田田; 王际朝; 李维国; 吴勃英中国石油大学学报(自然科学版), 2013, (02): 176-180.
  • 基于深度学习的图像超分辨率重建方法综述
    陈文静; 唐轶云南民族大学学报(自然科学版), 2019, (06): 597-605.
  • 求同存异的非局部图像去噪
    张选德; 冯象初; 王卫卫; 魏立力中国科学:信息科学 , 2013, (07): 907-919.
查看全部 →

发表信息

论文状态
公开发表
期刊
计算数学
发表日期
2019
卷期
第 04 期
页码
343-366
成果收录
CHINAJOURNAL

作者

  • 董

    董彬 (第一作者)

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417