دانلود ترجمه مقاله دانش پیشین شدت روشنایی و گرادیان L0-Regularized برای مات زدایی تصاویر

1. مقدمه 2. کار مرتبط 3. دانش پیشینL0-REGULARIZED تصویر 4. مات زدایی تصاویر متنی 5. تحلیل الگوریتم 6. مات زدایی تصاویر طبیعی 7. مات زدایی غیریکنواخت 8. نتایج تجربی 9. نتیجه‌گیری

چکیده – ما یک دانش پیشین L0-Regularized ساده اما در عین حال موثر، مبتنی بر شدت روشنایی و گرادیان برای مات زدایی تصویر متن، پیشنهاد می‌کنیم. دانش پییشن پیشنهادی مبتنی بر ویژگی‌های متمایز تصاویر متن است که در آن ما یک الگوریتم بهینه‌سازی کارآمد برای ایجاد نتایج میانی قابل‌اعتماد برای تخمین کرنل ایجاد می‌کنیم. الگوریتم پیشنهادی نیاز به هیچ یک از روش‌های انتخاب لبه اکتشافی، که برای روش‌های خوب موجود مبتنی بر لبه ضروری هستند، ندارد. ما در مورد رابطه با دیگر روش‌های مات زدایی مبتنی بر لبه بحث می کنیم و نشان می‌دهیم که چگونه لبه‌های برجسته را بیشتر انتخاب کنیم. برای مرحله بازیابی تصویر پنهان نهایی، ما یک روش موثر برای حذف اثرات تصنعی برای نتایج مات زدایی بهتر ارائه می‌کنیم. ما نشان می‌دهیم که الگوریتم پیشنهادی را می توان برای مات زدایی تصاویر طبیعی با صحنه‌های پیچیده و روشنایی کم، و همچنین مات زدایی غیر یکنواخت، تعمیم داد. نتایج تجربی نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با روش های خوب موجود ، به طور مطلوب عمل می‌کند.

We propose a simple yet effective L 0 -regularized prior based on intensity and gradient for text image deblurring. The proposed image prior is based on distinctive properties of text images, with which we develop an efficient optimization algorithm to generate reliable intermediate results for kernel estimation. The proposed algorithm does not require any heuristic edge selection methods, which are critical to the state-of-the-art edge-based deblurring methods. We discuss the relationship with other edge-based deblurring methods and present how to select salient edges more principally. For the final latent image restoration step, we present an effective method to remove artifacts for better deblurred results. We show the proposed algorithm can be extended to deblur natural images with complex scenes and low illumination, as well as non-uniform deblurring. Experimental results demonstrate that the proposed algorithm performs favorably against the state-of-the-art image deblurring methods.

بخشی از ترجمه مقاله (صفحه 15 فایل ورد ترجمه)