Total Variation Minimization 2 - タンタン的思考
今日はA2BCモデルを実装した．思ったよりも簡単に出来たが，パラメータはこれであってるのかな． まずはROFモデル計算のおさらい．u=f-PG(f)という写像を使って骨格画像uを計算します．PGが写像関数で，内部にpという変数を隠し持っています．だから，正確には写像を使ってpを計算します．v=λdiv(p)によって，テクスチャ画像vが得られます．そして，u=f-PG(f)=f-v=f-λdiv(p)によって，骨格画像uが得られます． さて，この計算方法をA2BCモデルに適用します．まず，u0 = v0 = 0で初期化します．次に，v1 = PG(f-u0)，u1 = f - v1 - PG(f-v1)を繰り返し計算します．ここでも先と同様にpvとpuという変数を隠し持っています．したがって，fの代わりにf-u0を代入し，pvを計算します．さらに，v1=μdiv(pv)によってテクスチャ画像
Total Variation Minimization - タンタン的思考
LDPCはしばらくお休み（基本的に優先順位が低い）．今日はTV（Total Variation）の実装について書く． 神奈川大の斉藤先生が国内では精力的に研究していらっしゃる．どうにも魅力的なツールに見えるのだが，意外と名前負けしている（すなわち，ネーミングセンスが抜群）感が拭えない．曰く，画像を骨格画像とテクスチャ画像に分離する手法である．なんとか実装が出来たので，公開しておく．ただし，まだ国際的な最前線はおろか，斉藤先生にも追いついていないことは明記しておく． まず，TVとは何か，これを使うと何が出来るかについてざっくり話す．さらに，文献を挙げておく．最後に実装の方針とソースコードを載せる． TVとは，不連続を許す空間におけるノルムのはかり方です（多分）．不連続だから微分が出来ないところがあります．逆に，値が連続的でない場合も扱えます．実は，画像データはエッジが含まれているので，不連続
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
