摘要
Ambrosio,L.,Fusco,N.,Pallara,D.:有界变分函数和自由不连续性问题。 牛津数学专著,第十八卷。 牛津大学克拉伦登出版社(2000) 谷歌学者 Aubert,G.,Kornprobst,P.:图像处理中的数学问题。 偏微分方程和变分法。 斯普林格,纽约(2002) 谷歌学者 Bertsekas,D.:约束优化和拉格朗日乘子方法。 纽约学术出版社(1982) 谷歌学者 Carstensen,C.:非光滑凸极小化问题的区域分解及其在塑性中的应用。 数线性代数应用。 4, 177---190 (1998) 谷歌学者 交叉引用 Chambolle,A.:总变异最小化算法及其应用。 数学杂志。 成像视觉。 20(1---2), 89---97 (2004) 谷歌学者 Chambolle,A.,Caselles,V.,Cremers,D.,Novaga,M.,Pock,T.:《图像分析总变异介绍》。 在:Fornasier,M.(编辑)稀疏恢复的理论基础和数值方法,计算和应用数学氡系列,第9卷,第263---340页。 De Gruyter Verlag,柏林(2010) 谷歌学者 Chambolle,A.,Darbon,J.:关于使用参数最大流的总变化最小化和表面演化。 国际计算机杂志。 视觉。 84, 288---307 (2009) 谷歌学者 数字图书馆 Chambolle,A.,Lions,P.-L.:通过总变异最小化和相关问题进行图像恢复。 数字。 数学。 76(2), 167---188 (1997) 谷歌学者 交叉引用 Chan,T.F.,Golub,G.H.,Mulet,P.:基于全变分的图像恢复的非线性原对偶方法。 SIAM J.科学。 计算。 20(6), 1964---1977 (1999) 谷歌学者 数字图书馆 Chan,T.F.,Mathew,T.P.:区域分解算法。 《数值学报》3,61---143(1994) 谷歌学者 交叉引用 Chan,T.F.,Shen,J.:图像处理与分析:变分、PDE、小波和随机方法。 SIAM,费城(2005) 谷歌学者 Chang,H.,Zhang,X.,Tai,X.C.和Yang,D.:非局部全变差图像恢复的区域分解方法,科学杂志。 计算。, 2013年10月在线发布。 doi:10.1007/s10915-013-9786-9 谷歌学者 Chen,K.,Tai,X.C.:一种非线性多重网格方法,用于从图像恢复中最小化总变化。 科学杂志。 计算。 33, 115---138 (2007) 谷歌学者 数字图书馆 Combettes,P.L.,Wajs,V.R.:通过近端前向-后向分裂恢复信号。 多尺度模型。 模拟。 4(4), 1168---1200 (2005) 谷歌学者 交叉引用 Daubechies,I.,Teschke,G.,Vese,L.:在一般凸约束下迭代求解线性反问题。 反向探测。 成像1(1),29---46(2007) 谷歌学者 交叉引用 Dobson,D.,Vogel,C.R.:全变分去噪迭代方法的收敛性。 SIAM J.数字。 分析。 34(5), 1779---1791 (1997) 谷歌学者 数字图书馆 Duan,Y.,Tai,X.C.:用图割算法实现总变化最小化的区域分解方法。 高级计算。 数学。 36, 175---199 (2012) 谷歌学者 数字图书馆 Evans,L.C.,Gariepy,R.F.:函数的测度理论和精细特性。 CRC出版社,博卡拉顿(1992) 谷歌学者 Fornasier,M.,Kim,Y.,Langer,A.,Schönlieb,C.-B.:$$L_2$L2/TV-图像去模糊的小波分解方法。SIAM J.成像科学。 5, 857---885 (2012) 谷歌学者 交叉引用 Fornasier,M.,Langer,A.,Schönlieb,C.-B.:压缩传感的区域分解方法。 摘自:2009年马赛SampTA09国际会议记录。 arXiv:0902.0124v1{math.NA}。 谷歌学者 Fornasier,M.,Langer,A.,Schönlieb,C.-B.:一种收敛的重叠区域分解方法,用于最小化总变化。 数字数学。 116, 645---685 (2010) 谷歌学者 数字图书馆 Fornasier,M.,Schönlieb,C.-B.:总变异的子空间校正方法和$$\ell_1$$õ1-最小化。 SIAM J.数字。 分析。 47, 3397---3428 (2009) 谷歌学者 数字图书馆 Gilboa,G.,Osher,S.:非局部算子在图像处理中的应用。 多尺度模型。 模拟。 7(3), 1005---1028 (2008) 谷歌学者 交叉引用 Giusti,E.:有界变差的极小曲面和函数。 伯克豪斯,波士顿(1984) 谷歌学者 Hintermüller,M.,Kunisch,K.:作为双边约束优化问题的全有界变差正则化。 SIAM J.应用。 数学。 64(4), 1311---1333 (2004) 谷歌学者 数字图书馆 Hintermüller,M.和Langer,A.:图像处理中一类非光滑和非加性凸变分问题的子空间校正方法,SIAM J.成像科学,2013年,第34页 谷歌学者 Hintermüller,M.和Langer,A.:图像处理的基于替代函数的子空间校正方法。 摘自:《第21届区域分解方法国际会议论文集》,Renne,2012年 谷歌学者 Hintermüller,M.,Rautenberg,C.N.:关于由函数值、梯度或散度的逐点约束引起的Sobolev空间中闭凸集类的密度,IFB-第71号报告(2013年9月),格拉茨大学数学与科学计算研究所 谷歌学者 Hintermüller,M.,Stadler,G.:基于全有界变量的Inf-convolution类型图像恢复的不可行原对偶算法。 SIAM J.科学。 计算。 28(1), 1---23 (2006) 谷歌学者 数字图书馆 Ito,K.,Kunisch,K.:变分问题和应用的拉格朗日乘子方法,系列:设计和控制进展(第15期)SIAM,2008 谷歌学者 Langer,A.,Osher,S.,Schönlieb,C.-B.:用于图像恢复的Bregmaized域分解。 科学杂志。 计算。 54, 549---576 (2013) 谷歌学者 数字图书馆 Müller,J.:平行总变差最小化,硕士论文,穆斯特大学,2008年 谷歌学者 Nesterov,Y.:非光滑函数的平滑最小化。 数学。 掠夺。 序列号。 A.103、127---152(2005) 谷歌学者 数字图书馆 Osher,S.,Burger,M.,Goldfarb,D.,Xu,J.,Yin,W.:基于全变量的图像恢复的迭代正则化方法。 多尺度模型。 模拟。 4(2), 460---489 (2005) 谷歌学者 交叉引用 Peyré,G.,Bougleux,S.和Cohen,L.,《反问题的非局部正则化》,载于ECCV 2008,第三部分,《计算讲义》。 科学。 5304,施普林格,柏林,海德堡,第57---68页,2008 谷歌学者 数字图书馆 Rockafellar,R.T.:凸分析。 普林斯顿大学出版社,普林斯顿(1970) 谷歌学者 Rudin,L.I.,Osher,S.,Fatemi,E.:基于非线性总变差的噪声去除算法。 《物理学D》60(1--4),259--268(1992) 谷歌学者 Schönlieb,C.-B.:基于$$H^{-1}$$H-1约束的总变异最小化,CRM系列9,第201---232页。 Scuola Normale Superiore Pisa,非线性演化现象中的奇点和应用程序(2009) 谷歌学者 Tai,X.C.:非线性变分不等式的一些约束分解方法的收敛速度。 数字数学。 93(4), 755---786 (2003) 谷歌学者 交叉引用 Tai,X.C.,Tseng,P.:凸极小化异步空间分解方法的收敛速度分析。 数学。 计算。 71, 1105---1135 (2001) 谷歌学者 交叉引用 Tai,X.-C.,Xu,J.:一些凸优化问题的子空间校正方法的全局一致收敛性。 数学。 计算。 7105--124(2002年) 谷歌学者 数字图书馆 Tseng,P.,Yun,S.:非光滑可分离最小化的坐标梯度下降法。 数学。 掠夺。 序列号。 B.117、387--423(2009) 谷歌学者 数字图书馆 Vese,L.:在BV空间中研究去噪-去模糊变分问题。 申请。 数学。 最佳方案。 44, 131---161 (2001) 谷歌学者 数字图书馆 Xu,J.,Tai,X.-C.,Wang,L.-L.:一种用于图像恢复的两级域分解方法。 反向探头。 成像4(3),523--545(2010) 谷歌学者 交叉引用 徐,J.,邹,J.:一些非重叠区域分解方法。 SIAM版本40(4),857--914(1998) 谷歌学者 交叉引用 Zhang,X.Q.,Burger,M.,Bresson,X.,Osher,S.:用于反褶积和稀疏重建的Bregmaized非局部正则化。 SIAM J.成像科学。 3(3), 253---276 (2010) 谷歌学者 数字图书馆 Zhang,X.Q.,Chan,T.F.:非局部总变差的小波修复。 反向探头。 成像4(1),191---210(2010) 谷歌学者 交叉引用
建议
一种不可行的全有界变异的原对偶算法——基于卷积的图像恢复 本文分析和测试了一种用于全有界变差(TV)型图像恢复的原对偶算法。 从分析上看,在对偶问题的结果中使用了全局$\boldsymbol{L}^s$-正则化,其中$1<s\leq 2$。。。 一类非光滑非加性凸变分问题的子空间校正方法 在图像处理中使用混合$L^1/L^2$数据清晰度 由非光滑非可加正则项和组合的$L^1$和$L^2组成的泛函的最小化$ 提出了数据完整性项。 分析和数值结果表明,新模型比现有模型具有明显的优势。。。