Ausgehend von einer durch additives Rauschen gestörten Version wird eine Approximati on eines Bildes durch Minimierung einer Zielfunktion erreicht, die sich einerseits aus einem Maß für die lokale Anpassung an die Daten, andererseits aus einem eine gewisse Glatt heit erzwingenden Regularisierungsterm zusammensetzt. Für den daraus resultierenden Schätzer des rauschfreien Bildes soll eine asymptotische Theorie entwickelt werden (Kon sistenz, asymptotische Verteilung, asymptotische Approximationen für Fehlermaße und optimale Glättungs- und Regularisierungsparameter, ...). Der Ansatz beinhaltet als Spezi alfälle eine große Zahl herkömmlicher Entrauschungsverfahren (lokale Kleinste-Quadrate- und Maximum-Likelihood-Methoden, Regularisierungs- und Bayesverfahren, Diffusions filter, glättende Splines, ...) und soll so zur Klärung der Beziehungen zwischen diesen unterschiedlich motivierten Methoden beitragen. Dadurch wird der breitere Einsatz von Methoden möglich, die in einem Gebiet entwickelt worden sind, z.B. der Transfer von Ansätzen zur datenadaptiven Wahl von Glattheitsparametern aus der statistischen Re gressionsanalyse auf analytisch motivierte Diffusionsfilter.
DFG Programme
Priority Programmes
