An Iterative Approach to Two-Dimensional Laplacian Smoothing with Application to Image Restoration
二维拉普拉斯平滑的迭代方法及其图像修复应用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：摘要讨论通用二维平滑与图像修复，未提供与所列微观、宏观或金融细分方向直接相关的研究内容。
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
二维拉普拉斯平滑的迭代方法及其图像修复应用
- 研究问题
- 如何高效实现二维平滑，并在图像修复中评估像素及物体边界的不确定性，是摘要提出的主要问题。
- 方法与思路
- 作者采用张量积三次B样条构建拉普拉斯平滑，以逐次超松弛和共轭梯度加速迭代求解，并近似广义交叉验证得分。
- 材料陈述的贡献
- 摘要称该算法适用于二维散点平滑，并以彩色图像展示修复效果，利用像素边际后验分布的熵评估不确定性。
- 阅读关注点
- 应核对平滑惩罚与边界处理、迭代收敛条件、交叉验证近似的适用范围，以及像素后验分布如何构造。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，不能推断刊本变化；摘要未提供计算复杂度、修复误差或不确定性校准结果。
原文摘要
Smoothing methods are increasingly important in modern graphically oriented data analysis. There are several fast and reliable univariate cross-validated smoothing algorithms, but comparable methods are not available in higher dimensions. This article develops an iterative approach to two-dimensional Laplacian spline smoothing based on tensor-product cubic B splines. Estimating equations are developed and solved iteratively using two-line symmetric successive over relaxation with conjugate gradient acceleration. An asymptotic approximation for the generalized cross-validation score is described. The resulting algorithm is naturally suited to two-dimensional scatterplot smoothing but has potential value for image restoration as well. This is illustrated on a multicolor image example. Along with an image restoration an uncertainty assessment based on the entropy of the marginal posterior pixel value distribution is produced. This analysis particularly highlights the statistical uncertainty in resolving object boundaries in the image.