Jump Surface Estimation, Edge Detection, and Image Restoration
跳跃曲面估计、边缘检测与图像恢复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：摘要研究空间曲面与图像边缘，不能仅因出现跳跃就归入时间序列结构变化。
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
跳跃曲面估计、边缘检测与图像恢复
- 研究问题
- 如何在从噪声数据估计曲面时保留跳跃边界，并理解统计中的跳跃曲面方法与图像边缘检测、恢复方法之间的联系？
- 方法与思路
- 作者综述统计文献中的跳跃检测与保跳跃平滑方法，并将单色图像视作强度曲面，比较图像处理中的相关方法。
- 材料陈述的贡献
- 摘要提供两类文献的综述及联系与差异讨论，围绕常规平滑同时去噪和模糊边界的问题组织方法，没有声称提出新算法。
- 阅读关注点
- 应核对综述的方法分类、噪声和边界设定，以及不同方法如何权衡去噪与边缘保留、跨领域比较是否使用一致标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出具体方法、比较结果或保证条件，不能据此确定最佳恢复程序。
原文摘要
Surface estimation is important in many applications. When conventional smoothing procedures (e.g., running averages, local polynomial kernel smoothing procedures, smoothing spline procedures) are used for estimating jump surfaces from noisy data, jumps are blurred at the same time when noise is removed. In recent years, new smoothing methodologies have been proposed in the statistical literature for detecting jumps in surfaces and for estimating jump surfaces with jumps preserved. We provide a review of these methodologies. Because a monochrome image can be considered a jump surface of the image intensity function, with jumps at the outlines of objects, edge detection and image restoration problems in image processing are closely related to the jump surface estimation problem in statistics. We also review major methodologies on edge detection and image restoration, and discuss connections and differences among these methods and related methods in the statistical literature.