Publication

Generalized Total Variation Denoising Via Augmented Lagrangian Cycle Spinning With Haar Wavelets

Michaël Unser, Emrah Bostan, Ulugbek Kamilov
2012
Conference Papers

Résumé

We consider the denoising of signals and images using regularized least-squares method. In particular, we propose a simple minimization algorithm for regularizers that are functions of the discrete gradient. By exploiting the connection of the discrete gradient with the Haar-wavelet transform, the n-dimensional vector minimization can be decoupled into n scalar minimizations. The proposed method can efficiently solve total-variation (TV) denoising by iteratively shrinking shifted Haar-wavelet transforms. Furthermore, the decoupling naturally lends itself to extensions beyond l(1) regularizers.

Source officielle

https://infoscience.epfl.ch/entities/publication/b8f96b46-2dcc-43d5-aac6-d2f4c1aeaffc

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Generalized Total Variation Denoising Via Augmented Lagrangian Cycle Spinning With Haar Wavelets

Chattez avec Graph Search

Multi-Frequency Tracking via Group-Sparse Optimal Transport

High-Dimensional Kernel Methods under Covariate Shift: Data-Dependent Implicit Regularization

The Sparsity of Cycle Spinning for Wavelet-Based Solutions of Linear Inverse Problems