Ein einheitlicher Ansatz für Entrauschungsverfahren in der Bildanalyse durch Kombination von lokaler Glättung und regularizierung

点击翻译按钮获取中文摘要

Ausgehend von einer durch additives Rauschen gestörten Version wird eine Approximation eines Bildes durch Minimierung einer Zielfunktion erreicht, die sich einerseits aus einem Maß für die lokale Anpassung an die Daten, andererseits aus einem eine gewisse Glattheit erzwingenden Regularisierungsterm zusammensetzt. Für den daraus resultierenden Schätzer des rauschfreien Bildes soll eine asymptotische Theorie entwickelt werden (Konsistenz, asymptotische Verteilung, asymptotische Approximationen für Fehlermaße und optimale Glättungs- und Regularisierungsparameter, ...). Der Ansatz beinhaltet als Spezialfälle eine große Zahl herkömmlicher Entrauschungsverfahren (lokale Kleinste-Quadrate- und Maximum-Likelihood-Methoden, Regularisierungs- und Bayesverfahren, Diffusionsfilter, glättende Splines, ...) und soll so zur Klärung der Beziehungen zwischen diesen unterschiedlich motivierten Methoden beitragen. Dadurch wird der breitere Einsatz von Methoden möglich, die in einem Gebiet entwickelt worden sind, z.B. der Transfer von Ansätzen zur datenadaptiven Wahl von Glattheitsparametern aus der statistischen Regressionsanalyse auf analytisch motivierte Diffusionsfilter.