PCM-TV-TFV：一种基于傅里叶数据的图像重建新型两阶段框架
计算机视觉与模式识别
2017-06-01 v1
摘要
本文提出一种新颖的两阶段投影校正建模（PCM）框架，用于从（非均匀）傅里叶测量数据重建图像。PCM 由一个受多尺度 Galerkin 方法启发的投影阶段（P 阶段）和一个融合了全变分（TV）与全分数阶变分（TFV）优势的边缘引导正则化校正阶段（C 阶段）组成。P 阶段允许对底层目标图像进行连续建模。给定测量数据被投影到一个图像得以良好表示的空间中。随后在 C 阶段增强重建结果，该阶段最小化一个由变换域保真项和新颖的边缘引导正则项组成的能量泛函。我们进一步开发了高效的邻近算法来求解相应的优化问题。文中还给出了 1D 信号和 2D 图像的各种数值结果，以证明所提出的两阶段方法相较于其他经典单阶段方法的优越性能。
引用
@article{arxiv.1705.10784,
title = {PCM-TV-TFV: A Novel Two Stage Framework for Image Reconstruction from Fourier Data},
author = {Weihong Guo and Guohui Song and Yue Zhang},
journal= {arXiv preprint arXiv:1705.10784},
year = {2017}
}
备注
22 pages, 11 figures