如何理解图像处理领域的病态问题(ill-posed problem)

ill-posed problem,我们可以理解为病态问题或者不适定问题。在本文中,统一成为不适定问题。

在讨论不适定问题(ill-posed problem)之前,我们先来看一下什么叫适定性问题(well-posed problem)。

适定性问题这是在数学领域里提出的一个概念。我们先来看下 Wikipedia 的解释:

数学术语适定性问题来自于数学家阿达马(英文: Jacques Solomon Hadamard)所给出的定义。他认为物理现象中的数学模型应该具备下述性质:
● 存在解
● 解是唯一的
● 解随着起始条件连续的改变

再来看一下百度百科的解释:

经典的数学物理方程定解问题中,人们只研究适定问题。适定问题是指定解满足下面三个要求的问题:
1.解是存在的;
2.解是唯一的;
3.解连续依赖于定解条件,即解是稳定的。

因此我们可以发现这三个要求中,只要有一个不满足,则称之为不适定问题。特别,如果条件3不满足,那么就称为阿达马意义下的不适定问题。一般地说不适定问题,常常是指阿达马意义下的不适定问题。在经典的数学物理中,人们只研究适定问题。

在图像处理领域,我们经常看到论文中提到某个问题是ill-posed,即无法同时满足上述三个条件,一般来说不满足第二条或者第三条。比如以图像超分辨为例(示图见文章末尾,来自SRCNN),对于输入的低分辨率图像,输出高分辨率的图像,这并没有一个标准的答案,有很多个解,且这些解并不稳定。

再举一个例子说明,比如我们希望通过低动态范围(LDR)图像生成高动态范围(HDR)图像,在这个过程中,由于图像中的过曝区域和欠曝区域存在大量的信息缺失,因此要通过算法预测出其中缺失的信息,这个问题即为ill-posed problem。

Jaeyoung Yoo 在 CVPR2018 的论文中这样描述图像恢复的不适定问题:

In most cases, there are several possible output images corresponding to a given input image and the problem can be seen as a task of selecting the most proper one from all the possible outputs.That is, the image restoration problem can be formulated as the problem of estimating the distribution conditioned on the input image.
这种不适定问题就是:一个输入会对应多个合理输出,而这个问题可以看作是从多个输出中选出最合适的那一个。 图像恢复问题可以表述为估计以输入图像为条件的分布的问题。

图像处理中不适定问题(ill posed problem)或称为反问题(inverse Problem)的研究从20世纪末成为国际上的热点问题,成为现代数学家、计算机视觉和图像处理学者广为关注的研究领域。

典型的图像处理不适定问题包括:

● 图像去噪(Image De-nosing)
● 图像恢复(Image Restorsion)
● 图像放大(Image Zooming)
● 图像修补(Image Inpainting)
● 图像去马赛克(image Demosaicing)
● 图像超分辨(Image super-resolution )
● 等等

迄今为止,人们已经提出许多方法来解决图像处理中的不适定性。
在这里插入图片描述
在这里插入图片描述

Reference:
● https://blog.csdn.net/leviopku/article/details/89296455
● http://blog.sciencenet.cn/home.php?mod=space&uid=1108283&do=blog&id=736648

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/799303.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

如何明确的选择IT方向?

一、明确目标 作为初学者,先树立自己目标,找到自己感兴趣的IT行业,IT行业分很多种,听的最多次的无非不就是web前端工、程序员、后端、大数据、网络运维等。学习知识也是为了找到更好的工作,所以我建议先去boss直聘、五…

浅谈Mysql(四)——Mysql知识补充

一、mysql什么时候会锁表 MySQL中的查询语句通常不会锁表,因为查询操作只读取数据而不修改数据。然而,当执行某些特定的查询语句或者在特定情况下,MySQL可能会对表进行锁定以保证数据的一致性和完整性。以下是几种可能导致表锁定的情况&#…

目标检测标签分配策略,难样本挖掘策略

在目标检测任务中,样本的划分对于模型的性能具有至关重要的影响。其中,正样本指的是包含目标物体的图像或区域,而负样本则是不包含目标物体的图像或区域。然而,在负样本中,有一部分样本由于其与正样本在特征上的相似性…

jest单元测试——项目实战

jest单元测试——项目实战 一、纯函数测试二、组件测试三、接口测试四、React Hook测试💥 其他的疑难杂症另:好用的方法 🌟 温故而知新:单元测试工具——JEST 包括:什么是单元测试、jest的基本配置、快照测试、mock函数…

机器学习工作流

本文的目的是演示如何构建一个相对完整的机器学习工作流 1.首先对工程进行基本的参数配置 # 进行建模基本配置 SCORE_EVA roc_auc random_state_clf 1 n_jobs 4 cv_split StratifiedKFold(n_splits5, shuffleTrue, random_state1) cv_split2 StratifiedKFold(n_splits5, …

(013)window的Idea运行程序 Amazon java.nio.file.AccessDeniedException

解决方法一 在资源管理器中删除该目录, 在程序中使用代码,重新建立该目录: if (!FileUtil.exist(destinationPath)){FileUtil.mkdir(destinationPath); }解决方法二 JDK 的版本有问题,换个JDK。 解决方法三 网络不好&#xf…

「39」打造专业流畅的直播特效转场……

「39」工作室模式 打造专业流畅的直播特效转场体验 工作室模式是OBS软件里的一个特殊功能,用于后期直播过程中追求直播效果的用户,才会使用此功能。 该功能意在更加平滑,使用模板信息变化的过渡效果。主要用在赛事比分、活动抽奖、直播时需要经常更改的场景和内容,以及片…

Spring之底层架构核心概念解析

你好,我是柳岸花开。 在当今快速发展的软件开发领域,各种技术层出不穷,但有一项技术以其卓越的设计、灵活的配置和广泛的应用,始终屹立在开发者的工具箱中——这就是Spring框架。自2003年首次发布以来,Spring已经成为J…

Android 11属性系统初始化流程

在init进程启动的第二阶段,调用PropertyInit 对属性系统进行初始化 int SecondStageMain(int argc, char** argv) {//省略PropertyInit();//省略 }PropertyInit函数在system\core\init\property_service.cpp 中实现 void PropertyInit() {//省略mkdir("/dev/…

opencv x86(32位) windows下vs2019编译问题

opencv x86(32位) windows下vs2019编译相关资料很多,都特别受用。例如 - https://blog.csdn.net/m0_59025104/article/details/134109081 - https://blog.csdn.net/sements/article/details/108410470 但是,自己编译时候仍遇到一些问题,例如&…

智能网联汽车自动驾驶数据记录系统DSSAD数据元素

目录 第一章 数据元素分级 第二章 数据元素分类 第三章 数据元素基本信息表 表1 车辆及自动驾驶数据记录系统基本信息 表2 车辆状态及动态信息 表3 自动驾驶系统运行信息 表4 行车环境信息 表5 驾驶员操作及状态信息 第一章 数据元素分级 自动驾驶数据记录系统记录的数…

【GameFi】 链游 | Brilliantcrypto点火活动

活动:https://app.galxe.com/quest/brilliantcrypto/GCt8wthq2J Brilliantcrypto点火活动正在Galxe上进行 🎉 活动时间:2024/04/06 12:00 ~ 2024/05/04 12:00 奖励总价值1200美元的MATIC 完成任务並在Brilliantcrypto Galxe Space上赚取积分。…

【数据结构与算法】:快速排序和冒泡排序

一,快速排序 快速排序是一种比较复杂的排序算法,它总共有4种实现方式,分别是挖坑法,左右"指针"法,前后"指针"法,以及非递归的快速排序,并且这些算法中也会涉及多种优化措施…

Docker是一个开源的应用容器引擎

Docker是一个开源的应用容器引擎,它让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何Linux或Windows操作系统的机器上,也可以实现虚拟化。容器是完全使用沙箱机制,相互之间不会有任何接口。Docker技术的…

zdpdjango_materialadmin使用Django开发一个Material风格的后台管理系统

启动项目 同样地,还是先看看代码: 将项目启动起来: 浏览器访问:http://localhost:8000/ 代码初步优化 首先是将admin_materal提到本地来: 移除掉第三方依赖: pip uninstall django-admin-materi…

sqlserver2014安装与老版本卸载

本篇博客只提供安装包 安装与卸载难度较低,不做赘述 并不是说一定要卸载才能安装,灵活掌握,如果实际场景需要清理老版本sqlserver那么选择卸载 一、下载 下载地址 sqlserver2014官方版下载丨最新版下载丨绿色版下载丨APP下载-123云盘 二、卸载…

移动平台相关(安卓)

目录 安卓开发 Unity打包安卓 ​编辑​编辑 BuildSettings PlayerSettings OtherSettings 身份证明 配置 脚本编译 优化 PublishingSettings 调试 ReMote Android Logcat AndroidStudio的调试 Java语法 ​编辑​编辑​编辑 变量 运算符 ​编辑​编辑​编辑​…

面向低碳经济运行目标的多微网能量互联优化调度matlab程序

微❤关注“电气仔推送”获得资料(专享优惠) 运用平台 matlabgurobi 程序简介 该程序为多微网协同优化调度模型,系统在保障综合效益的基础上,调度时优先协调微网与微网之间的能量流动,将与大电网的互联交互作为备用…

gcc/g++:预编译阶段查看模块生成目标的层级依赖

预编译阶段查看模块生成目标的层级依赖首先需要找到需要包含头文件的位置,然后进行引入。 示例: 1)用户头文件 /*brief design and implements of demo-for-precompile.author wenxuanpeiemail 15873152445163.com(query for any question …

百度松果菁英班——机器学习实践四:文本词频分析

飞桨AI Studio星河社区-人工智能学习与实训社区 🥪jieba分词词频统计 import jieba # jieba中文分词库 ​ with open(test.txt, r, encodingUTF-8) as novelFile:novel novelFile.read() # print(novel) stopwords [line.strip() for line in open(stop.txt, r,…