logo móvil
Contáctanos

Problema de desenfoque de imagen basado en restricciones de variación de orden fraccional total

Autores: Saleem, Shahid; Ahmad, Shahbaz; Kim, Junseok

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Problema de desenfoque de imagen basado en restricciones de variación de orden fraccional total


Categoría

Matemáticas

Subcategoría

Matemáticas generales

Palabras clave

Desenfoque de imagen
Intensidades no negativas
Modelo matemático
Principios variacionales totales de orden fraccional
Intensidades negativas
Método de Lagrangiano aumentado

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 35

Citaciones: Sin citaciones


Descripción
Al desenfocar una imagen, es crucial asegurar que las intensidades restauradas sean estrictamente no negativas. Sin embargo, las técnicas numéricas actuales a menudo no logran producir resultados favorables de manera consistente, lo que lleva a intensidades negativas que contribuyen a regiones oscuras significativas en las imágenes restauradas. Para abordar esto, nuestro estudio propone un modelo matemático para el desenfoque de imágenes no ciego basado en principios variacionales de orden fraccional total. Nuestro modelo propuesto no solo garantiza valores de intensidad estrictamente positivos, sino que también impone límites a las intensidades dentro de un rango especificado. Al eliminar las intensidades negativas o limitarlas dentro del rango prescrito, podemos mejorar significativamente la calidad de las imágenes desenfocadas. El concepto clave en este documento implica convertir el problema de desenfoque de imágenes basado en variaciones de orden fraccional total restringido en uno no restringido a través de la introducción del método de Lagrangiano aumentado. Para facilitar esta conversión y mejorar la convergencia, describimos nuevos algoritmos numéricos e introducimos una nueva matriz precondicionada circulante. Esta matriz supera efectivamente la convergencia lenta que se encuentra típicamente al utilizar el método del gradiente conjugado dentro del marco del Lagrangiano aumentado. Nuestro enfoque propuesto se valida a través de pruebas computacionales, demostrando su efectividad y viabilidad en aplicaciones prácticas.

Otros recursos que podrían interesarte

Temas Virtualpro