提出图像分解新方法，分离结构、纹理与噪声。
Image Decomposition: Theory, Numerical Schemes, and Performance Evaluation
- 结合总变差与贝索夫、轮廓波等函数空间建模
- 设计评估方法，量化不同模型的分解性能
- 适合图像处理与计算机视觉研究者参考
本文系统描述了多种图像分解模型，可将图像中的结构、纹理或结构、纹理与噪声进行分离。这些模型结合了总变差（Total Variation）方法与不同的自适应函数空间，如贝索夫（Besov）空间、轮廓波（Contourlet）空间，或基于杨·梅尔（Yves Meyer）工作的特殊振荡函数空间。我们提出一种方法用于评估此类算法的性能，以增进对模型行为的理解。
原文摘要 · Abstract (English)
This paper describes the many image decomposition models that allow to separate structures and textures or structures, textures, and noise. These models combined a total variation approach with different adapted functional spaces such as Besov or Contourlet spaces or a special oscillating function space based on the work of Yves Meyer. We propose a method to evaluate the performance of such algorithms to enhance understanding of the behavior of these models.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。