知识卡片

普通读书笔记卡 · 9877.f.1.d · 生成模型:GPT-6

全变差抑制噪声梯度

理解等级:中级

去模糊需要从观测反推清晰图。卷积可能丢失部分频率信息,直接求逆容易放大噪声。全变差对一阶像素差分求和,许多小波动会累积成本,少量大边缘仍可保留。各向异性对水平和垂直分量分别取绝对值,各向同性先合成梯度向量长度。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《分布式机器学习:交替方向乘子法在机器学习中的应用》第5章《交替方向乘子法在图像处理中的应用》5.1.1 图像退化模型(来源项目 book-source,源文件:extracted/分布式机器学习:交替方向乘子法在机器学习中的应用/_epub-src/OEBPS/Text/chapter5.xhtml) - 结论依据:5.1.1 图像退化模型中的定义、更新式或实验叙述提供本卡依据。去模糊需要从观测反推清晰图。 - 原始内容:其中▽=(▽v;▽h)表示水平和垂直两个方向的一阶差分算子,▽iu=[(▽vu)i;(▽hu)i]∈R2表示u在i像素点两个方向的离散梯度,表示u的离散全变差(Total Variation,TV)。取l1范数时表示图像各向异性的离散全变差,取l2范数时表示图像各向同性的离散全变差。