Fugu-MT 論文翻訳(概要): An Improved Optimal Proximal Gradient Algorithm for Non-Blind Image Deblurring

論文の概要: An Improved Optimal Proximal Gradient Algorithm for Non-Blind Image Deblurring

arxiv url: http://arxiv.org/abs/2502.07602v1
Date: Tue, 11 Feb 2025 14:52:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-12 14:06:29.449070
Title: An Improved Optimal Proximal Gradient Algorithm for Non-Blind Image Deblurring
Title（参考訳）: 非ブラインド画像分解のための最適近似勾配アルゴリズムの改良
Authors: Qingsong Wang, Shengze Xu, Xiaojiao Tong, Tieyong Zeng,
Abstract要約: 改良された最適近位勾配アルゴリズム(IOptISTA)を導入し,非盲点画像の劣化問題に効率的に対処する。その結果,既存の手法と比較して,PSNRとSSIMの値が向上し,耐性が低下することが示唆された。
参考スコア（独自算出の注目度）: 15.645711819668582
License:
Abstract: Image deblurring remains a central research area within image processing, critical for its role in enhancing image quality and facilitating clearer visual representations across diverse applications. This paper tackles the optimization problem of image deblurring, assuming a known blurring kernel. We introduce an improved optimal proximal gradient algorithm (IOptISTA), which builds upon the optimal gradient method and a weighting matrix, to efficiently address the non-blind image deblurring problem. Based on two regularization cases, namely the $l_1$ norm and total variation norm, we perform numerical experiments to assess the performance of our proposed algorithm. The results indicate that our algorithm yields enhanced PSNR and SSIM values, as well as a reduced tolerance, compared to existing methods.
Abstract（参考訳）: 画像の劣化は画像処理における中心的な研究領域であり、画像品質の向上と多様なアプリケーションにおける視覚的表現の明確化に重要な役割を担っている。本稿では、既知のぼやけたカーネルを仮定して、画像劣化の最適化問題に取り組む。最適勾配法と重み付け行列に基づく改良された最適近位勾配アルゴリズム(IOptISTA)を導入し,非盲点画像劣化問題に効率的に対処する。 2つの正規化ケース、すなわち$l_1$ノルムと総変分ノルムに基づいて、提案アルゴリズムの性能を評価する数値実験を行う。その結果,既存の手法と比較して,PSNRとSSIMの値が向上し,耐性が低下することが示唆された。

関連論文リスト

Learning Efficient and Effective Trajectories for Differential Equation-based Image Restoration [59.744840744491945]
我々は, この手法の軌道最適化を再構築し, 復元品質と効率の両立に焦点をあてる。本稿では,複雑な経路を適応可能なサイズで複数の管理可能なステップに合理化するためのコスト対応トラジェクトリー蒸留法を提案する。実験では提案手法の有意な優位性を示し, 最先端手法よりも最大2.1dBのPSNR改善を実現した。
論文参考訳（メタデータ） (2024-10-07T07:46:08Z)
Optimal Guarantees for Algorithmic Reproducibility and Gradient Complexity in Convex Optimization [55.115992622028685]
以前の研究は、一階法はより良い収束率(漸進収束率)をトレードオフする必要があることを示唆している。最適複雑性と準最適収束保証の両方を、滑らかな凸最小化と滑らかな凸最小化問題に対して達成できることを実証する。
論文参考訳（メタデータ） (2023-10-26T19:56:52Z)
Poisson-Gaussian Holographic Phase Retrieval with Score-based Image Prior [19.231581775644617]
本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。 PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
論文参考訳（メタデータ） (2023-05-12T18:08:47Z)
Optimizing CT Scan Geometries With and Without Gradients [7.788823739816626]
勾配に基づく最適化アルゴリズムが、勾配のないアルゴリズムの代替となる可能性が示されている。勾配に基づくアルゴリズムは、捕捉範囲と自由パラメータの数に対するロバスト性の観点から、勾配のないアルゴリズムに匹敵する一方で、かなり高速に収束する。
論文参考訳（メタデータ） (2023-02-13T10:44:41Z)
Sub-Image Histogram Equalization using Coot Optimization Algorithm for Segmentation and Parameter Selection [0.0]
平均および分散に基づくサブイメージヒストグラム等化(MVSIHE)アルゴリズムは,これらのコントラスト強化手法の1つである。本研究では,直近の最適化アルゴリズム,すなわちcoot Optimization algorithm(COA)を用いて,MVSIHEアルゴリズムの適切なパラメータを選択する。その結果, バイオメディカル画像処理の分野では, 提案手法が有効であることが示唆された。
論文参考訳（メタデータ） (2022-05-31T06:51:45Z)
Fast Multi-grid Methods for Minimizing Curvature Energy [6.882141405929301]
平均曲率とガウス曲率エネルギー関数を最小化するための高速マルチグリッドアルゴリズムを提案する。我々の定式化では人工パラメータは導入されず、提案アルゴリズムの堅牢性を保証する。画像のテクスチャを復元する能力を実証するために,画像復調とCT再構成の両問題に対して数値実験を行った。
論文参考訳（メタデータ） (2022-04-17T04:34:38Z)
On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
論文参考訳（メタデータ） (2021-07-02T15:10:42Z)
Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box Optimization Framework [100.36569795440889]
この作業は、一階情報を必要としない零次最適化(ZO)の反復である。座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
論文参考訳（メタデータ） (2020-12-21T17:29:58Z)
Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文参考訳（メタデータ） (2020-12-07T09:27:16Z)
Image Denoising Using Sparsifying Transform Learning and Weighted Singular Values Minimization [7.472473280743767]
画像デノイング(IDN)処理では、通常、低ランク特性は重要な画像として扱われる。低ランクの凸緩和近似として、核ノルムに基づくアルゴリズムとその変種が注目されている。汎用フレームワークにおける画像領域最小化と変換領域の利点を両立させることで、疎性学習変換法を提案する。
論文参考訳（メタデータ） (2020-04-02T00:30:29Z)
Towards Better Understanding of Adaptive Gradient Algorithms in Generative Adversarial Nets [71.05306664267832]
適応アルゴリズムは勾配の歴史を用いて勾配を更新し、深層ニューラルネットワークのトレーニングにおいてユビキタスである。本稿では,非コンケーブ最小値問題に対するOptimisticOAアルゴリズムの変種を解析する。実験の結果,適応型GAN非適応勾配アルゴリズムは経験的に観測可能であることがわかった。
論文参考訳（メタデータ） (2019-12-26T22:10:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。