Wedgelets: nearly minimax estimation of edges
Wedgelet：边缘的近极小极大估计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：摘要研究图像边缘恢复与非参数风险界，未涉及所列经济计量领域细分。
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
Wedgelet：边缘的近极小极大估计
- 研究问题
- 如何从含噪图像中恢复具有 Hölder 光滑性的边缘，在未知光滑程度时仍获得接近极小极大风险的估计表现？
- 方法与思路
- 作者构建按位置、尺度和方向组织的 wedgelet 指示函数集合，通过带复杂度惩罚的递归分割最小二乘快速计算图像近似。
- 材料陈述的贡献
- 摘要称，在足够亚像素分辨率下，方法对一至二阶范围的未知光滑程度具有近极小极大自适应性，并扩展至光滑星形边界。
- 阅读关注点
- 应核对地平线模型与噪声设定、近极小极大中的误差因子、亚像素分辨率要求，以及星形集合扩展所需的边界条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；风险界和计算复杂度的具体形式未提供，不能将特定模型的近最优性推广到任意自然图像。
原文摘要
We study a simple “horizon model” for the problem of recovering an image from noisy data; in this model the image has an edge with $\alpha$-Hölder regularity. Adopting the viewpoint of computational harmonic analysis, we develop an overcomplete collection of atoms called wedgelets, dyadically organized indicator functions with a variety of locations, scales and orientations. The wedgelet representation provides nearly optimal representations of objects in the horizon model, as measured by minimax description length. We show how to rapidly compute a wedgelet approximation to noisy data by finding a special edgelet-decorated recursive partition which minimizes a complexity-penalized sum of squares. This estimate, using sufficient subpixel resolution, achieves nearly the minimax mean-squared error in the horizon model. In fact, the method is adaptive in the sense that it achieves nearly the minimax risk for any value of the unknown degree of regularity of the horizon, $1 \leq \alpha \leq 2$. Wedgelet analysis and denoising may be used successfully outside the horizon model. We study images modelled as indicators of star-shaped sets with smooth boundaries and show that complexity-penalized wedgelet partitioning achieves nearly the minimax risk in that setting also.