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
- 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.
