Recovering convex boundaries from blurred and noisy observations
从模糊且含噪的观测中恢复凸边界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：摘要研究几何边界恢复与统计逆问题，没有支持所列经济学细分方向的直接文本依据。
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
从模糊且含噪的观测中恢复凸边界
- 研究问题
- 当强度函数经过卷积模糊并叠加高斯白噪声时，如何恢复其凸支撑集的边界，哪些因素限制边界估计精度？
- 方法与思路
- 作者通过估计凸集合的支撑函数恢复边界，方法与几何超平面探测有关，并分析卷积算子和边界附近强度行为的影响。
- 材料陈述的贡献
- 摘要称，建立了估计误差界，揭示恢复精度如何取决于卷积算子的病态程度以及强度函数在边界附近的表现。
- 阅读关注点
- 核对卷积核与凸支撑集的假设、支撑函数估计和边界重建步骤，以及误差所用度量与边界附近强度条件。
- 阅读边界
- 仅依据版本未注明的OpenAlex索引摘要；具体误差界、算法参数和最优性结论未提供，不能据此判断实际图像恢复效果。
原文摘要
We consider the problem of estimating convex boundaries from blurred and noisy observations. In our model, the convolution of an intensity function f is observed with additive Gaussian white noise. The function f is assumed to have convex support G whose boundary is to be recovered. Rather than directly estimating the intensity function, we develop a procedure which is based on estimating the support function of the set G. This approach is closely related to the method of geometric hyperplane probing, a well-known technique in computer vision applications. We establish bounds that reveal how the estimation accuracy depends on the ill-posedness of the convolution operator and the behavior of the intensity function near the boundary.