Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "regularization parameter" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Regularization parameter selection in discrete ill-posed problems—The use of the U-curve
Autorzy:
Krawczyk-Stańdo, D.
Rudnicki, M.
Powiązania:
https://bibliotekanauki.pl/articles/929617.pdf
Data publikacji:
2007
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
problem niewłaściwie postawiony
regularyzacja Tichonowa
parametr regularyzacji
ill-posed problems
Tikhonov regularization
regularization parameter
L-curve
U-curve
Opis:
To obtain smooth solutions to ill-posed problems, the standard Tikhonov regularization method is most often used. For the practical choice of the regularization parameter \alfa we can then employ the well-known L-curve criterion, based on the L-curve which is a plot of the norm of the regularized solution versus the norm of the corresponding residual for all valid regularization parameters. This paper proposes a new criterion for choosing the regularization parameter \alfa, based on the so-called U-curve. A comparison of the two methods made on numerical examples is additionally included.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2007, 17, 2; 157-164
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A well-posed multiscale regularization scheme for digital image denoising
Autorzy:
Prasath, V. B. S.
Powiązania:
https://bibliotekanauki.pl/articles/930148.pdf
Data publikacji:
2011
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
odtworzenie obrazu
sterowanie adaptacyjne
regularyzacja
image restoration
edge-preserving
regularization
normalized local variance
adaptive parameter
Opis:
We propose an edge adaptive digital image denoising and restoration scheme based on space dependent regularization. Traditional gradient based schemes use an edge map computed from gradients alone to drive the regularization. This may lead to the oversmoothing of the input image, and noise along edges can be amplified. To avoid these drawbacks, we make use of a multiscale descriptor given by a contextual edge detector obtained from local variances. Using a smooth transition from the computed edges, the proposed scheme removes noise in flat regions and preserves edges without oscillations. By incorporating a space dependent adaptive regularization parameter, image smoothing is driven along probable edges and not across them. The well-posedness of the corresponding minimization problem is proved in the space of functions of bounded variation. The corresponding gradient descent scheme is implemented and further numerical results illustrate the advantages of using the adaptive parameter in the regularization scheme. Compared with similar edge preserving regularization schemes, the proposed adaptive weight based scheme provides a better multiscale edge map, which in turn produces better restoration.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2011, 21, 4; 769-777
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies