Edge-Preserving Smoothers for Image Processing
图像处理中的边缘保持平滑器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：摘要研究图像滤波和稳健平滑，未提供可直接归入所列计量经济学细分的证据。
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…
图像处理中的边缘保持平滑器
- 研究问题
- 传统平滑容易模糊图像中的锐利边缘，而已有保边方法需要较长平滑区段；如何在这些限制下改进图像平滑？
- 方法与思路
- 作者讨论 sigma filtering，并提出基于滑动窗口 M 估计的改进，同时研究计算与理论性质及其在图像处理中的用途。
- 材料陈述的贡献
- 摘要称，新方法为图像平滑提供一种保边思路，其应用定位介于标准滤波方法与贝叶斯马尔可夫随机场分析之间。
- 阅读关注点
- 应核对窗口、尺度和损失函数如何设定，边缘保持性质需要什么条件，以及计算开销和不同图像结构下的比较结果。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体算法、保边保证或比较指标，不能据此判断普遍性能优势。
原文摘要
Classical smoothers have limited usefulness in image processing, because sharp “edges” tend to be blurred. There is a literature on edge-preserving smoothers, but these all require moderately large “smooth stretches.” Here we discuss an approach to this problem called “sigma filtering” and propose an improvement based on running M estimation. Both computational and theoretical aspects are developed. For image processing, the methods have a niche between standard filtering approaches and Bayes–Markov random-field analysis.