A Four Directions Variational Method For Solving Image Processing Problems

In this paper, based on a discrete total variation model, a modified discretization of total variation (tv) is introduced for image processing problems. two optimization problems corresponding to compressed sensing magnetic resonance imaging (mri) data reconstruction problem and image denoising are proposed. in the proposed method, instead of applying isotropic tv whose gradient field is a two directions vector, a four directions discretization with some modification is applied for the inverse problems. a dual formulation for the proposed tv is explained and an efficient primal dual algorithm is employed to solve the problem. some important image test problems in mri and image denoising problems are considered in the numerical experiments. we compare our model with the state of the art methods.

یک روش غیر تکراری نجزیه دامنه برای حل معادله پیشروپسرو گرما

ما یک روش عددی را برای حل معادلات دیفرانسیل جزئی کسری خطی و غیرخطی با ضرایب متغیر حاضر کرده ایم. هدف اصلی از روش ارائه شده . معرفی یک پایه متعامد از چندجمله ای های مونتزلژاندر کسری کسری دوبعدی است. & nbsp; با استفاده از این چندجمله & nbsp; ایها توابع مجهول را تقریب میزنیم. علاوه بر این یک ماتریس عملگر از مشتق کسری کاپوتو & nbsp; برای محاسبات مشتقات کسری ارائه شده است. & nbsp; تقریب ارائه شده به همراه روش تائو جواب معادله دیفرانسیل جزئی کسری را به جوابی از دستگاه معادلات جبری کاهش می دهد. در پایان جهت & nbsp; نشان دادن دقت و کارایی روش حاضر چند مثال عددی آورده ایم..