Detecting Edges from Non-uniform Fourier Data via Sparse Bayesian Learning
Detecting Edges from Non-uniform Fourier Data via Sparse Bayesian Learning
复制标题
通过稀疏贝叶斯学习从非均匀傅立叶数据中检测边缘
DOI：
10.1007/s10915-019-00955-w
复制
发表时间：
2019
影响因子：
2.5
通讯作者：
Gelb, Anne
中科院分区：
文献类型：
--
作者：
Churchill, Victor;Gelb, Anne
在最近的研究中，给出非均匀傅立叶数据的边缘检测问题被重新表述为具有正则化最小二乘代价函数的稀疏信号恢复问题。这个结果也可以用贝叶斯公式推导出来。具体来说，使用正则化重建边缘映射对应于所谓的i型（最大后验）贝叶斯估计。本文利用贝叶斯框架设计了一种改进的非均匀傅立叶数据边缘检测算法。特别地，我们采用了所谓的ii型贝叶斯估计，特别是一种称为稀疏贝叶斯学习的方法。我们还表明，我们的新边缘检测方法可用于改进依赖于精确边缘信息的下游过程，如图像重建，特别是关于压缩感知技术。
In recent investigations, the problem of detecting edges given non-uniform Fourier data was reformulated as a sparse signal recovery problem with an-regularized least squares cost function. This result can also be derived by employing a Bayesian formulation. Specifically, reconstruction of an edge map usingregularization corresponds to a so-called type-I (maximum a posteriori) Bayesian estimate. In this paper, we use the Bayesian framework to design an improved algorithm for detecting edges from non-uniform Fourier data. In particular, we employ what is known as type-II Bayesian estimation, specifically a method called sparse Bayesian learning. We also show that our new edge detection method can be used to improve downstream processes that rely on accurate edge information like image reconstruction, especially with regards to compressed sensing techniques.
登录
查看更多内容
DOI：
10.1111/j.2517-6161.1977.tb01600.x
发表时间：
1977-01-01
期刊：
JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES B-METHODOLOGICAL
影响因子：
--
作者：
DEMPSTER, AP;LAIRD, NM;RUBIN, DB
通讯作者：
RUBIN, DB
DOI：
--
发表时间：
2004-12
期刊：
--
影响因子：
--
作者：
D. Wipf;B. Rao
通讯作者：
D. Wipf;B. Rao
非均匀傅立叶数据的边缘自适应 egin{document}$ ell_2 $end{document} 正则化图像重建
影响因子：
1.3
作者：
V. Churchill;Richard Archibald;Anne Gelb
通讯作者：
Anne Gelb
针对不完整和噪声光谱数据的三种新颖边缘检测方法
影响因子：
1.2
作者：
E. Tadmor;Jing Zou
通讯作者：
Jing Zou
用于跳跃检测的集中因子的迭代设计
影响因子：
2.5
作者：
A. Viswanathan;Anne Gelb;D. Cochran
通讯作者：
D. Cochran