Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Mapping-Based Image Diffusion
Heidelberg University, Germany.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.ORCID-id: 0000-0002-6096-3648
Linköpings universitet, Institutionen för teknik och naturvetenskap, Kommunikations- och transportsystem. Linköpings universitet, Tekniska fakulteten.
2017 (Engelska)Ingår i: Journal of Mathematical Imaging and Vision, ISSN 0924-9907, E-ISSN 1573-7683, Vol. 57, nr 3, s. 293-323Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

In this work, we introduce a novel tensor-based functional for targeted image enhancement and denoising. Via explicit regularization, our formulation incorporates application-dependent and contextual information using first principles. Few works in literature treat variational models that describe both application-dependent information and contextual knowledge of the denoising problem. We prove the existence of a minimizer and present results on tensor symmetry constraints, convexity, and geometric interpretation of the proposed functional. We show that our framework excels in applications where nonlinear functions are present such as in gamma correction and targeted value range filtering. We also study general denoising performance where we show comparable results to dedicated PDE-based state-of-the-art methods.

Ort, förlag, år, upplaga, sidor
SPRINGER , 2017. Vol. 57, nr 3, s. 293-323
Nyckelord [en]
Image enhancement; Denoising; PDE; Diffusion; Gradient energy tensor; Structure tensor
Nationell ämneskategori
Datorseende och robotik (autonoma system)
Identifikatorer
URN: urn:nbn:se:liu:diva-136620DOI: 10.1007/s10851-016-0672-6ISI: 000395106400001OAI: oai:DiVA.org:liu-136620DiVA, id: diva2:1089909
Anmärkning

Funding Agencies|Swedish Foundation for Strategic Research through the grant VPS; Swedish Research Council; German Science Foundation and the Research Training Group [GRK 1653]

Tillgänglig från: 2017-04-21 Skapad: 2017-04-21 Senast uppdaterad: 2018-01-13

Open Access i DiVA

fulltext(5095 kB)79 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 5095 kBChecksumma SHA-512
fde47cda52361da25a0f1ae4a440bc528f4e81c1be806a4be954eac6d4c8de2d05b0aa5e9f3510982bb093d8846c49c59e8614a92713ddd95d0b22f61ae1be86
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Felsberg, MichaelBaravdish, George
Av organisationen
DatorseendeTekniska fakultetenCentrum för medicinsk bildvetenskap och visualisering, CMIVKommunikations- och transportsystem
I samma tidskrift
Journal of Mathematical Imaging and Vision
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 79 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 623 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf