Laplace Transform(自己译文精准)(9).pdfVIP

A Laplace Transform Method For The Image In-painting ABSTRACT 有许多图像处理技术基于关于表现良好的偏微分方程，但它们消耗大量计算时间。开发快 速有效的求解这些方程的方法至关重要。拉普拉斯变换的使用允许在并行环境中解决与时 间相关的问题。求解过程需要对拉普拉斯逆变换进行数值计算，测试中检验了Stehfest 方 法。我们研究了使用拉普拉斯变换技术求解绘画中与图像相关的数学模型的性能和效率， 并将结果与时间积分进行了比较。 INTRODUCTION 许多真实世界的物理过程都是使用非线性时间相关问题建模的，如图像处理、财务建模、 热力工程和环境科学。求解非线性微分方程有多种方法；其中包括并行和顺序的数值方法， 这些方法正在不断研究和简化。 数值求解时间相关问题的标准求解方法是时间推进方案，该方案通常通过在均匀时间网格 上离散问题，然后在连续时间点依次求解开始[1]。解决方案对上一个时间步长的依赖性使 得问题很难在并行环境中解决。这类方法包括欧拉方法、龙格-库塔方法和多步骤方法。 此外，为了确保显式方案是稳定的，还存在时间步长限制。尽管隐式方案中没有时间步长 限制，但在时间推进方案中不可能直接计算最后时刻的场量。时间积分方法显然没有在算 法中提供并行特性。为了克服这个问题，时域分解方法（时间并行）似乎在时域的并行化 方面提供了一些突破[1]。 积分变换方法经常被用于解决物理问题。最近的方法是使用转换方法理论的概念，将时域 问题重新定义为不涉及时间的转换空间。已经研究了几种变换方法，如拉普拉斯变换、相 似变换、汉克尔变换和玻尔兹曼变换[1-5] 。许多作者已经考虑了时间相关问题的拉普拉斯 变换求解方法[7-8]，该方法将拉普拉斯变换空间中的抛物问题转化为椭圆问题。应用两级 时域分解方法获得了欧洲期权含时非线性问题的数值解[7]。药代动力学系统包含线性和非 线性模型，这些模型通过使用拉普拉斯变换的时域分解方法求解[8]。 在本文中，我们将看到一些图像处理应用，这些应用与拉普拉斯变换的使用相结合。本文 的其余部分组织如下。在第2 节中，简要概述了基于PDE 的绘画中图像的数学模型。在 第3 节中，对CDD 模型进行了离散化。在第4 节中，研究了使用拉普拉斯变换求解一些 绘画实例的数值方法，第5 节描述了拉普拉斯变换方法与其他方法相比的结果和性能。 IMAGE IN-PAINTING 绘画中的图像是一个术语，用于描述恢复图像和视频中已损坏或恶化的部分的过程，包括 从中移除不需要的物体。这也被称为图像或视频插值，在数学上可以归类为反问题。这些 方法可分为三类：基于补丁的方法、稀疏方法和偏微分方程/变分方法[4]。 A. CDD In-painting Model 绘画中的TV 修复模型是由Rudin、Osher 和Fatemi[4]提出的。尽管这种技术在 保留边缘细节的同时可以有效地进行修补，但当受损区域比画中物体更宽时，不可 能满足“连接和整体原则”。Chan 和Shen[3]注意到了在TV 修复模型中，扩散系 数 仅取决于水平线的对比度或强度，因此与几何信息无关。为了解决这个 问题Chan 和Shen 通过包含函数g=g(|k|) ，引入了曲率k=k(x,y)= 去重新定 义扩散系数D。通过这种方式，在必要时，通过采用中编码的几何信息来增强扩散 系数。新的扩散系数由下式给出： 为了确保几何点具有更高或无限的曲率，从而鼓励重新连接，可以使用方程（）= ， 增加到最大可能值。为了确保几何点具有更高或无限的曲率，因此鼓励重新连接， 可以使用方程 ，增加D 到最大可能值。 为了避免CDD 模型退化为TV 模型，应将g(0)选择为零，但g(0)=a≠0 可能会破 坏连通性原则。考虑到这些，Chan 和 Shen 建议[3] with s ＞0 ，p≥1。 CDD 修复模型因此为： Ω为破损区域，E 为破损区域周围的区域。 DISCRETIZATION F