Sequential image recovery using joint hierarchical Bayesian learning

要約

間接的、ノイズの多い、または不完全なデータに基づいて時間的な画像シーケンス (ビデオ) を復元することは、必須ではありますが、困難な作業です。
特に、各データセットに重要な情報が欠落しており、個々の画像を正確に復元できない場合を考慮します。
いくつかの最近の (変種) 手法は、連続画像を共同回復することに基づいた高解像度画像回復を実証していますが、パラメータ調整と連続画像の種類の制限による堅牢性の問題が残っています。
ここでは、事前の画像内および画像間情報を組み込んだ連続画像の共同回復のための階層ベイジアン学習に基づく方法を紹介します。
私たちの方法では、他の画像から情報を「借用」することで、各画像内の欠落した情報を復元します。
その結果、個々の再構成の \emph{all} により精度が向上します。
私たちの方法はさまざまなデータ取得に使用でき、不確実性の定量化が可能です。
いくつかの予備的な結果は、逐次的なブレ除去と磁気共鳴イメージングに使用できる可能性を示しています。

要約(オリジナル)

Recovering temporal image sequences (videos) based on indirect, noisy, or incomplete data is an essential yet challenging task. We specifically consider the case where each data set is missing vital information, which prevents the accurate recovery of the individual images. Although some recent (variational) methods have demonstrated high-resolution image recovery based on jointly recovering sequential images, there remain robustness issues due to parameter tuning and restrictions on the type of the sequential images. Here, we present a method based on hierarchical Bayesian learning for the joint recovery of sequential images that incorporates prior intra- and inter-image information. Our method restores the missing information in each image by ‘borrowing’ it from the other images. As a result, \emph{all} of the individual reconstructions yield improved accuracy. Our method can be used for various data acquisitions and allows for uncertainty quantification. Some preliminary results indicate its potential use for sequential deblurring and magnetic resonance imaging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google