Estimation of the Number of True Gray Levels, Their Values, and Relative Frequencies in a Noisy Image
噪声图像中真实灰度级数量、取值与相对频率的估计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：摘要讨论图像灰度类别恢复，虽估计频率分布，但不属于所列分位数与分布效应研究的直接证据。
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…
关注这篇论文的作者
噪声图像中真实灰度级数量、取值与相对频率的估计
- 研究问题
- 当设备记录的灰度级数量远多于图像实际包含的类别时，如何从随机噪声污染的图像中估计真实灰度级数量、取值与频率？
- 方法与思路
- 作者提出基于核密度估计的方法，恢复潜在真实灰度级及其相对频率，并建立相关估计量的强收敛速率。
- 材料陈述的贡献
- 摘要称，研究同时处理真实灰度级数量、灰度值和相对频率的估计，提供强收敛速率，并应用于人工图像和磁共振图像。
- 阅读关注点
- 应核对噪声分布、真实灰度级可分辨性的条件、核与带宽选择，以及数量估计和灰度值估计的收敛结果如何衔接。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。噪声设定、具体速率及图像评价指标未说明，不能推断任意图像下的恢复保证。
原文摘要
In some applications information is presented as a two-dimensional image corrupted by random noise. Due to the precision of the equipment that forms the image, we can typically have a large number, v, of observed gray levels. But in many situations we know that the number of true gray levels, p, corresponding to, for example, the number of tissue types in a brain slice, is much less than v. In this article we propose a method based on the kernel density estimator for estimating the p underlying true gray levels and their relative frequencies. The strong convergence rates for estimators of these quantities are established. The method is successfully applied to artificial and magnetic resonance images.