MRF 和 Total variation 在噪声去除方面有什么不同？
What are different between MRF and Total variation in noise removal?
我有一个关于图像处理的一般性问题。我有一个嘈杂的形象。我想将嘈杂的图像分类到一些区域。可以使用的两个著名方法
- MRF/Gibbs MRF：模拟邻域像素之间的空间依赖性
- 总变化：关键思想可能基于图像的最小变化。
我的问题是：你能告诉我两种噪声去除方法有什么不同吗？哪一个更好？谢谢
MRF 为您提供了一个对问题进行离散优化的框架，该框架尊重马尔可夫 属性，即一个像素仅以相邻像素为条件（粗略地说）。典型应用包括二元或多 class 标签问题。另一方面，总变分通常通过将 signal/image 的绝对梯度的积分添加到能量泛函中来用作正则化。这有助于忽略不相关的细节并专注于重要的细节。
我们不能说一个比另一个好，因为它们并不完全矛盾。这取决于您在 MRF 中使用的应用和能量函数。
我有一个关于图像处理的一般性问题。我有一个嘈杂的形象。我想将嘈杂的图像分类到一些区域。可以使用的两个著名方法
- MRF/Gibbs MRF：模拟邻域像素之间的空间依赖性
- 总变化：关键思想可能基于图像的最小变化。
我的问题是：你能告诉我两种噪声去除方法有什么不同吗？哪一个更好？谢谢
MRF 为您提供了一个对问题进行离散优化的框架，该框架尊重马尔可夫 属性，即一个像素仅以相邻像素为条件（粗略地说）。典型应用包括二元或多 class 标签问题。另一方面，总变分通常通过将 signal/image 的绝对梯度的积分添加到能量泛函中来用作正则化。这有助于忽略不相关的细节并专注于重要的细节。
我们不能说一个比另一个好，因为它们并不完全矛盾。这取决于您在 MRF 中使用的应用和能量函数。