Restauración de imágenes borrosas usando un modelo regularizado de programación lineal
Contexto: Los problemas de minimización en el sentido de los mínimos cuadrados han sido constantemente usados en la restauración de imágenes borrosas. Estos se caracterizan por ser sensibles a valores atípicos afectando significativamente la calidad de la imagen restaurada. Teniendo en cuenta que la...
Guardado en:
Autores principales: | , |
---|---|
Formato: | article |
Lenguaje: | ES |
Publicado: |
Universidad Distrital Francisco José de Caldas
2021
|
Materias: | |
Acceso en línea: | https://doaj.org/article/b211d3a2f57c4b4f8797a4370747e030 |
Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Sumario: | Contexto: Los problemas de minimización en el sentido de los mínimos cuadrados han sido constantemente usados en la restauración de imágenes borrosas. Estos se caracterizan por ser sensibles a valores atípicos afectando significativamente la calidad de la imagen restaurada. Teniendo en cuenta que la norma L1 es menos sensible a datos atípicos, el problema de restauración de imágenes borrosas se plantea como un problema de programación lineal.
Método: Un método de punto interior se utiliza para la solución del problema de programación lineal. Se presenta la adaptación de técnicas de regularización al problema de programación lineal de la imagen buscada y su derivada. Se realiza un estudio comparativo con otras técnicas de restauración bajo diferentes tipos de difuminado de imágenes.
Resultados: Se probó que el método propuesto conduce a mejoras notables en las imágenes recuperadas. Los experimentos numéricos muestran que el método de programación lineal funciona mucho mejor que los propuestos en la literatura, en términos de valores de PSNR, SSIM y en la calidad visual de las imágenes reconstruidas.
Conclusiones: El problema de programación lineal regularizado puede utilizarse eficazmente como modelo matemático del problema de restauración de imágenes borrosas. Para trabajos futuros se plantea el estudio de la selección automática de parámetros de regularización y solución de restauración sin conocimiento previo del núcleo de difuminado. |
---|