如何利用最小二乘和正则化对图像进行去噪？
如何利用最小二乘和正则化对图像进行去噪？
提问于 2018-12-11 04:58:06
f = u+n: f是有噪声的图像，u是期望的重构，n是噪声。
重构误差为:x_x~(-f)_x_2^2+ lambda *x_x_x(U)||_2^2。
解决了x是从f向向量的向量x在列方向上由f向矢量x_x-b\x_2^2的解。
上面的问题是我的问题，我不明白什么是“解\\x-b\x\x‘\\什么是“A”？什么是“b”？如何才能得到“重建”？
我知道用伪逆求最小最小二乘的简单方法。但是我刚刚调整了θ的查找方式，在财政，A，θ，b，我只是调整了查找θ的方法，即在财政上。
我不知道我该做什么。所以我做了我能做的。
import matplotlib.pyplot as plt
import numpy as np
from scipy import signal
from skimage import io, color
from skimage import exposure
file_image = 'image.jpg'
im_color = io.imread(file_image)
im_gray = color.rgb2gray(im_color)
im = (im_gray - np.mean(im_gray)) / np.std(im_gray)
(row, col) = im.shape
noise_std = 0.2 # try with varying noise standard deviation
noise = np.random.normal(0, noise_std, (row, col))
im_noise = im + noise我拍了一幅嘈杂的图像。我不知道下一步该怎么办。
有人能解释吗？
Stack Overflow用户
发布于 2018-12-13 11:12:13
这看起来就像一个措辞不佳的家庭作业问题。我在数学、图像处理和反问题方面有很好的背景，所以我给你重写了它，这是唯一有意义的方法。
设f是由f= u+n关系描述的噪声图像，其中u是无噪声图像，n是噪声。我们的目标是从n中恢复u。为此，我们引入以下函数 * 它等于u和f中所有像素之间的平方和差，用来度量u和f之间的相似性。此外，我们引入以下函数来测量图像中的噪声量。 2.\x{e76f}2， 其中Du(x，y)表示u在位置(x，y)处的梯度大小，作为图像中噪声的度量。因此，我们指的是在所有像素中梯度的平方和。 一种测量我们对无噪声图像的重建效果的方法可以用下面的函数表示 \x{e76f}\x{e76f} 求解上述正则化最小二乘问题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53717606
复制相关文章
相似问题
腾讯云开发者
