論文の概要: Image Denoising Using Transformed L1 (TL1) Regularization via ADMM
- arxiv url: http://arxiv.org/abs/2511.15060v1
- Date: Wed, 19 Nov 2025 03:06:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-20 15:51:28.60585
- Title: Image Denoising Using Transformed L1 (TL1) Regularization via ADMM
- Title（参考訳）: ADMMによるTransformed L1(TL1)正規化による画像デノーミング
- Authors: Nabiha Choudhury, Jianqing Jia, Yifei Lou,
- Abstract要約: TL1正規化復調モデルを開発し、乗算器の交互方向法(ADMM)を用いて解いた。
実験結果から,提案手法は優れた遮音性能を実現し,エッジを保ちながらノイズを効果的に抑制し,画像コントラストを向上することを示す。
- 参考スコア（独自算出の注目度）: 2.8955556830528253
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Total variation (TV) regularization is a classical tool for image denoising, but its convex $\ell_1$ formulation often leads to staircase artifacts and loss of contrast. To address these issues, we introduce the Transformed $\ell_1$ (TL1) regularizer applied to image gradients. In particular, we develop a TL1-regularized denoising model and solve it using the Alternating Direction Method of Multipliers (ADMM), featuring a closed-form TL1 proximal operator and an FFT-based image update under periodic boundary conditions. Experimental results demonstrate that our approach achieves superior denoising performance, effectively suppressing noise while preserving edges and enhancing image contrast.
- Abstract（参考訳）: トータル・バージョニング(TV)正規化はイメージデノナイズのための古典的なツールであるが、その凸$\ell_1$の定式化はしばしば階段のアーティファクトとコントラストの喪失につながる。
これらの問題に対処するために、画像勾配に適用したTransformed $\ell_1$ (TL1)正則化器を導入する。
特にTL1正規化復調モデルを開発し,周期境界条件下での閉形式TL1近位演算子とFFTに基づく画像更新を特徴とする乗算器の交互方向法(ADMM)を用いて解いた。
実験結果から,提案手法は優れた遮音性能を実現し,エッジを保ちながらノイズを効果的に抑制し,画像コントラストを向上することを示す。
関連論文リスト
- Image Restoration via Primal Dual Hybrid Gradient and Flow Generative Model [6.402777145722335]
正則化ロバスト性は、画像の逆問題に対する古典的なアプローチであり、正則化項は未知の像の望ましい性質を強制する。
近年,フローマッチング画像復元機能の統合が注目されている。
そこで本研究では,正規化子に関連する演算子をモデルから派生した時間依存デブロワーに置き換える,モデル分割に基づくPlug-and-Playフレームワークに,このような生成前処理を組み込む。
論文 参考訳（メタデータ） (2025-11-10T06:26:36Z) - Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。
我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。
我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
論文 参考訳（メタデータ） (2023-09-18T09:36:24Z) - Score Priors Guided Deep Variational Inference for Unsupervised
Real-World Single Image Denoising [14.486289176696438]
本稿では,実世界の実演のためのスコア先行誘導深部変分推論,すなわちScoreDVIを提案する。
我々は、実世界の雑音をモデル化するために、非i.i.d$ガウス混合モデルと変分ノイズ後部モデルを利用する。
提案手法は,他の単一画像ベースの実世界のデノベーション手法よりも優れ,データセットベースの教師なし手法に匹敵する性能を実現する。
論文 参考訳（メタデータ） (2023-08-09T03:26:58Z) - A Novel Truncated Norm Regularization Method for Multi-channel Color
Image Denoising [5.624787484101139]
本論文は,DtNFM法(DtNFM法)を用いて,二重重み付き核ノルム最小化法(double-weighted truncated nuclear norm minus truncated Frobenius norm minimization, DtNFM法)を用いてカラー画像のノイズ化を行う。
雑音像の非局所的な自己相似性を利用して、類似した構造を収集し、類似したパッチ行列を連続的に構築する。
合成および実雑音データセットの実験により、提案手法は、多くの最先端カラー画像復調法より優れていることを示した。
論文 参考訳（メタデータ） (2023-07-16T03:40:35Z) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - Representing Noisy Image Without Denoising [91.73819173191076]
ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。
従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
論文 参考訳（メタデータ） (2023-01-18T10:13:29Z) - Accelerated First Order Methods for Variational Imaging [6.223689772583821]
変分画像問題に使用される様々な正則化用語について、徹底的に検討する。
我々は,Tikhonov denoisingとTotal Variation (TV) denoisingという形で,スムーズな問題と部分的に非スムーズな問題を研究する。
論文 参考訳（メタデータ） (2021-10-06T14:41:03Z) - Preconditioned Plug-and-Play ADMM with Locally Adjustable Denoiser for
Image Restoration [54.23646128082018]
非定常雑音分散のパラメータ化が可能なデノイザを使用するために、プラグアンドプレイの最適化の概念を拡張した。
画素調整可能なデノイザは,適切なプレコンディショニング戦略とともに,いくつかのアプリケーションに対して,プラグアンドプレイADMMアプローチをさらに改善できることを示す。
論文 参考訳（メタデータ） (2021-10-01T15:46:35Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。