Регуляризацiя за допомогою видалення шуму в обернених задачах обробки зображень

Автор(и)

DOI:

https://doi.org/10.18523/2617-70805202257-61

Ключові слова:

обернені задачі

Анотація

У цій роботі розглянуто узагальнену схему регуляризації обернених задач, де апріорне знання про гладкість розв'язку дано за допомогою деякого самоспряженого оператора в просторі розв'язків. Розглянуто постановку задачі, коли окрім основної оберненої задачі визначено додаткову задачу, в якій шуканий розв'язок є правою частиною рівняння. Таким чином, для регуляризації основної оберненої задачі використовується додаткова обернена задача, яка привносить до початкової задачі інформацію про гладкість розв'язку. Така постановка задачі дає можливість використовувати оператори високої складності для регуляризації обернених задач, що є нагальною потребою в сучасних задачах машинного навчання, зокрема, в задачах обробки зображень. В роботі досліджено похибку апроксимації розв'язку початкової задачі за допомогою додаткової задачі.

Біографії авторів

Oleg Kravchuk, Національний університет «Києво-Могилянська академія»

Кравчук Олег Михайлович - аспірант першого року навчання кафедри математики за спеціальністю "Прикладна математика" Національного університету "Києво-Могилянська академія". Сфера наукових інтересів: аналіз даних, алгоритми, машинне навчання.

o.kravchuk@ukma.edu.ua

Galyna Kriukova, Національний університет «Києво-Могилянська академія»

Крюкова Галина Віталіївна - канд. фіз.-мат. наук, доцент кафедри математики Національного університету "Києво-Могилянська академія". Сфера наукових інтересів: обернені задачі, регуляризація, аналіз даних, машинне навчання.

kriukovagv@ukma.edu.ua

Посилання

  1. C. Regev, E. Michael and M. Peyman, "Regularization by Denoising via Fixed-Point Projection (REDPRO)", SIAM Journal on Imaging Sciences. Society for Industrial and Applied Mathematics. 14 (3) (2021), https://doi.org/10.1137/20M1337168
  2. S. Boyd, N. Parikh, E. Chu, B. Peleato and J. Eckstein, "Distributed optimization and statistical learning via the alternating direction method of multipliers", Found. Trends Mach. Learn. 3 (1), 1-122 (2011).
  3. S. Pereverzyev, Selected Topics of the Regularization Theory (Springer International Publishing. Cham., 2014).
  4. V. Singanallur Venkatakrishnan, Charles A. Bouman and Brendt Wohlberg, "Plug-and-play priors for model based reconstruction", in: 2013 IEEE Global Conference on Signal and Information Processing (2013), pp. 945-948.
  5. Yaniv Romano, Michael Elad and Peyman Milanfar, "The little engine that could: Regularization by denoising (RED)", SIAM Journal on Imaging Sciences. 10 (4), 1804-1844 (2017).
  6. M. T. Nair, S. V. Pereverzyev and U. Tautenhahn, "Regularization in Hilbert scales under general smoothing conditions", Inverse Problems. IOP Publishing Ltd. 21 (6), 1851 (2005).
  7. F. Natterer, "Error bounds for Tikhonov regularization in Hilbert scales", Appl. Anal. 18, 29-37 (1984).
  8. B. A. Mair, "Tikhonov regularization for finitely and infinitely smoothing operators", SIAM J. Math. Anal. 25, 135-147 (1994).

##submission.downloads##

Опубліковано

2022-12-28

Як цитувати

[1]
Kravchuk, O. і Kriukova, G. 2022. Регуляризацiя за допомогою видалення шуму в обернених задачах обробки зображень. Могилянський математичний журнал. 5, (Груд 2022), 57–61. DOI:https://doi.org/10.18523/2617-70805202257-61.