Edge Detection, Spatial Smoothing, and Image Reconstruction With Partially Observed Multivariate Data
部分观测多元数据的边缘检测、空间平滑与图像重建AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：文本明确研究空间图像重建，未提供经济网络、因果干扰或其他所列细分领域的依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
部分观测多元数据的边缘检测、空间平滑与图像重建
- 研究问题
- 在格点多元空间数据存在缺失且图像含有边缘或边界时，如何填补缺失观测并尽量恢复原有图像结构？
- 方法与思路
- 作者考察两种交替进行边缘检测与区域内平滑的贝叶斯层级方法，并与使用局部变化权重的保边平滑方法比较。
- 材料陈述的贡献
- 摘要称，人工与真实数据比较显示多元信息对图像恢复很关键，并用每像素只观测一种原色的彩图进行说明。
- 阅读关注点
- 应核对边缘识别与缺失填补如何相互更新、比较方法的调参规则，以及人工图像和真实彩图的评价指标。
- 阅读边界
- OpenAlex 摘要未注明稿件版本，未给出误差指标或明确的整体优胜方法；图像依赖也不能直接解释为经济网络。
原文摘要
Situations with incomplete multivariate spatial data on a lattice are considered. The goal is to impute the missing data in the presence of edges or boundaries and recover the image. Two methods based on Bayesian hierarchical models that iterate between edge detection and spatial smoothing to impute the missing data within identified homogeneous regions are examined. Their performance is compared with another method that imputes the missing values using edge-preserving spatial smoothers with locally varying weights. The performances of the three methods are compared on artificial and real datasets. It is seen that information from the multivariate data is critical in recovering the images. An application with color images where only one of three primary colors (red, green, or blue) is observed at each pixel is used to illustrate the results.