A convex approach to super-resolution and regularization of lines in images

Abstract : We present a new convex formulation for the problem of recovering lines in degraded images. Following the recent paradigm of super-resolution, we formulate a dedicated atomic norm penalty and we solve this optimization problem by means of a primal–dual algorithm. This parsimonious model enables the reconstruction of lines from lowpass measurements, even in presence of a large amount of noise or blur. Furthermore, a Prony method performed on rows and columns of the restored image, provides a spectral estimation of the line parameters, with subpixel accuracy.
Type de document :
Rapport
[Technical Report] Laboratoire Jean Kuntzmann (LJK). 2017
Liste complète des métadonnées

Littérature citée [57 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01599010
Contributeur : Kévin Polisano <>
Soumis le : samedi 30 septembre 2017 - 21:51:40
Dernière modification le : vendredi 29 juin 2018 - 13:53:54
Document(s) archivé(s) le : dimanche 31 décembre 2017 - 12:34:29

Fichier

preprint-HAL.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01599010, version 1

Citation

Kévin Polisano, Laurent Condat, Marianne Clausel, Valérie Perrier. A convex approach to super-resolution and regularization of lines in images. [Technical Report] Laboratoire Jean Kuntzmann (LJK). 2017. 〈hal-01599010v1〉

Partager

Métriques

Consultations de la notice

300

Téléchargements de fichiers

185