CLEAR：协变最小二乘重拟合及其在图像恢复中的应用
统计理论
2016-09-16 v2 计算机视觉与模式识别
机器学习
统计理论
摘要
在本文中，我们提出了一个新框架，以消除影响流行恢复算法的部分系统误差，并特别关注图像处理任务。推广了针对 正则化提出的想法，我们开发了一种将标准方法的结果向输入数据重新拟合的方法。全变分正则化和非局部均值是值得关注的特殊情况。我们识别了重拟合方法应保留的重要协变信息，并强调了保留原始估计量（关于观测信号）的 Jacobian 的重要性。然后，我们提供了一种具有“twicing”风味的方法，允许通过加回残差项的局部仿射变换来重拟合恢复信号。我们在图像恢复任务的数值模拟中展示了我们方法的优势。
引用
@article{arxiv.1606.05158,
title = {CLEAR: Covariant LEAst-square Re-fitting with applications to image restoration},
author = {C-A. Deledalle and N. Papadakis and J. Salmon and S. Vaiter},
journal= {arXiv preprint arXiv:1606.05158},
year = {2016}
}