×

图像恢复问题的最优参数结构。 (英语) Zbl 1327.49063号

摘要:我们研究了图像复原变分模型中最优正则化参数的定性性质。这些参数是以图像恢复问题为约束的双层优化问题的解。考虑了一种一般类型的正则化子,它包括总变差(TV)、总广义变差(TGV)和Infimal-Convolution总变异(ICTV)。我们证明了在给定数据的一定条件下,存在由双层优化问题导出的最优参数。存在性证明中的一个关键点是我们在本文中证明的最优参数远离0的有界性。分析了原始图像恢复中典型的非光滑变分问题以及希尔伯特空间中的平滑近似集,这是数值计算中考虑的问题。对于平滑的双层问题,我们还证明了当平滑消失时,它(Gamma)-收敛到原始问题。所有的分析都是在函数空间中进行的,而不是在离散化的学习问题上进行的。

MSC公司:

49号45 最优控制中的逆问题
49J45型 涉及半连续性和收敛性的方法;放松
94A08型 信息与通信理论中的图像处理(压缩、重建等)
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 阿德科克,B。;汉森,A.C。;罗马人,B。;Teschke,G.,《广义采样:连续统上的稳定重建、反问题和压缩传感》,高级成像电子物理。,182, 187-279 (2014)
[2] Ambrosio,L。;富斯科,N。;Pallara,D.,《有界变差函数与自由间断问题》(2000),牛津大学出版社·Zbl 0957.49001号
[3] Barbu,V.,《非线性无穷维系统的分析与控制》(1993),学术出版社:纽约学术出版社·Zbl 0776.49005号
[4] Bauschke,H。;Combettes,P.,Hilbert空间中的凸分析和单调算子理论,CMS图书数学。(2011),施普林格·Zbl 1218.47001号
[5] 本宁,M。;格拉登,L。;Holland,D。;Schönlieb,C.-B。;Valkonen,T.,《基于速度编码MRI测量的相位重建——稀疏性促进变分方法综述》,J.Magn。决议。,238, 26-43 (2014)
[6] Bergounioux,M.,状态约束下抽象椭圆变分不等式问题的最优控制,SIAM J.控制优化。,36273-289(1998年)·Zbl 0919.49002号
[7] Bergounioux,M。;Mignot,F.,障碍物问题的最优控制:拉格朗日乘子的存在性,ESAIM控制优化。计算变量,5,45-70(2000),(电子)·Zbl 0934.49008号
[8] 比格勒,L。;比罗斯,G。;O.加塔斯。;Heinkenschloss,M。;凯斯,D。;马利克,B。;特诺里奥。;van Bloemen Waanders,B。;Willcox,K。;Marzouk,Y.,《大尺度反问题和不确定性量化》,第712卷(2011年),John Wiley&Sons·Zbl 1203.62002号
[9] Braides,A.,Gamma-Convergence for Beginners,牛津大学讲师。数学。申请。(2002),牛津大学出版社·Zbl 1198.49001号
[10] Bredies,K。;Holler,M.,带总广义变分的线性反问题的正则化,J.逆病态问题。,6, 22, 871-913 (2014) ·Zbl 1302.65167号
[11] Bredies,K。;Kunisch,K。;Pock,T.,总广义变异,SIAM J.成像科学。,3, 492-526 (2011) ·Zbl 1195.49025号
[12] Bredies,K。;Valkonen,T.,具有二阶总广义变分约束的反问题,(《第九届抽样理论与应用国际会议论文集》,第九届国际抽样理论和应用会议论文集,SampTA,2011年,新加坡(2011))
[13] 布丹,T。;Willcox,K。;Ghattas,O.,具有高维参数输入空间的大型系统的模型简化,SIAM J.Sci。计算。,30, 6, 3270-3288 (2008) ·Zbl 1196.37127号
[14] Calatroni,L。;de los Reyes,J.C。;Schönlieb,C.-B.,多个非光滑约束下最优噪声学习的动态采样方案,(系统建模与优化(2014),Springer-Verlag),85-95·Zbl 1333.94008号
[15] Chambolle,A。;狮子,P.-L.,通过总变化最小化和相关问题进行图像恢复,数字。数学。,76、167-188(1997),ISSN 0029-599X·Zbl 0874.68299号
[16] Chavent,G.,《反问题的非线性最小二乘法:理论基础和应用分步指南》(2010),Springer Science&Business Media
[17] 陈,Y。;波克,T。;Bischof,H.,《使用双层优化的基于学习的分析和合成稀疏先验知识》,(分析运算符学习与字典学习研讨会。分析运算符学习vs.字典学习研讨会,NIPS 2012(2012))
[18] 陈,Y。;Pock,T。;兰夫特尔,R。;Bischof,H.,《重新审视基于滤波器的MRF图像恢复的特定损失训练》,(第35届德国模式识别会议,第35届德意志模式识别会议),GCPR(2013)
[19] 陈,Y。;Ranftl,R。;Pock,T.,《分析操作符学习的见解:从基于补丁的稀疏模型到高阶MRF》,IEEE Trans。图像处理。,23, 3, 1060-1072 (2014) ·Zbl 1374.94065号
[20] 钟,J。;麻省理工学院埃斯帕诺。;Nguyen,T.,广义Tikhonov正则化的最佳正则化参数·Zbl 1414.68048号
[21] Dal Maso,G.,Γ-收敛导论,非线性微分方程及其应用进展(1993),Birkhäuser:Birkhäuser波士顿·Zbl 0816.49001号
[22] de los Reyes,J.C.,《关于管道中稳定宾汉流的优化》,(优化及其在工程中的应用的最新进展(2010),施普林格出版社),379-388
[23] de los Reyes,J.C。;Schönlieb,C.-B.,《图像去噪:通过非光滑PDE约束优化学习噪声模型》,逆问题。成像,7,4(2013)·Zbl 1283.49005号
[24] de los Reyes,J.C。;Schönlieb,C.-B。;Valkonen,T.,高阶全变差调节模型的双层参数学习·Zbl 1425.94010号
[25] Delladio,S.,关于严格收敛的测度函数的下半连续性和连续性,Proc。罗伊。Soc.爱丁堡教派。A、 119、3-4、265-278(1991)·Zbl 0747.28007号
[26] Demengel,F.,《hessien borné函数》,《傅里叶学会年鉴》,第34、2、155-190页(1984年)·Zbl 0525.46020号
[27] Dempe,S。;Zemkoho,A.B.,非光滑双层优化中KKT重新公式和最优性的必要条件,SIAM J.Optim。,24, 4, 1639-1669 (2014) ·Zbl 1327.90377号
[28] Domke,J.,基于优化建模的通用方法,(国际人工智能与统计会议(2012)),318-326
[29] Domke,J.,通过近似边缘推理学习图形模型参数
[30] 埃克兰,I。;Temam,R.,凸分析和变分问题(1999),SIAM·Zbl 0939.49002号
[31] 费伦巴赫,J。;尼科洛娃,M。;斯泰德尔,G。;Weiss,P.,使用高斯检验的双层图像去噪,(计算机视觉中的尺度空间和变分方法。计算机视觉中尺度空间和变化方法,计算科学讲义,第9087卷(2015)),117-128·兹比尔1444.94011
[32] 哈伯,E。;Horesh,L。;Tenorio,L.,大型线性不适定反问题实验设计的数值方法,逆问题。,24,5,第055012条第(2008)页·Zbl 1153.65062号
[33] 哈伯,E。;Horesh,L。;Tenorio,L.,大型非线性离散不定反问题设计的数值方法,逆问题。,第26、2条,第025002页(2010年)·Zbl 1189.65073号
[34] 哈伯,E。;Tenorio,L.,学习正则化函数——一种监督训练方法,逆问题。,19, 3, 611 (2003) ·Zbl 1046.90087号
[35] Hintermüller,M。;Stadler,G.,基于全有界变量的非卷积型图像恢复的不可行原对偶算法,SIAM J.Sci。计算。,28, 1, 1-23 (2006) ·Zbl 1136.94302号
[36] Kristensen,J。;Rindler,F.,BV中符号积分泛函的松弛,计算变量偏微分方程,37,1-2,29-62(2010),ISSN 0944-2669·Zbl 1189.49018号
[37] Kunisch,K。;Pock,T.,变分模型中参数学习的双层优化方法,SIAM J.成像科学。,6, 2, 938-983 (2013) ·Zbl 1280.49053号
[39] Rockafellar,R.T。;Wets,R.J.-B.,变分分析(1998),施普林格·Zbl 0888.49001号
[40] Rudin,W.,《功能分析》,国际期刊。单声道。纯应用程序。数学。(2006),McGraw-Hill
[41] Tappen,M.F.,利用变分优化学习马尔可夫随机场,(IEEE计算机视觉和模式识别会议。IEEE计算机图像和模式识别大会,2007年,CVPR’07(2007),IEEE),1-8
[42] Tappen,M.F。;刘,C。;阿德尔森,E.H。;Freeman,W.T.,学习低层视觉的高斯条件随机场,(IEEE计算机视觉和模式识别会议。IEEE计算机图像和模式识别大会,2007年,CVPR’07(2007),IEEE),1-8
[43] Valkonen,T.,几何规则化下的跳跃集。第2部分:高阶方法·Zbl 1373.49055号
[44] Valkonen,T.,非线性算子的原始-对偶混合梯度法及其在MRI中的应用,逆问题。,第30、5条,第055012页(2014年)·Zbl 1310.47081号
[45] Valkonen,T。;Bredies,K。;Knoll,F.,扩散张量成像中的总广义变异,SIAM J.成像科学。,6487-525(2013年)·Zbl 1322.94024号
[46] 王,Z。;博维克,A.C。;谢赫,H.R。;Simoncelli,E.P.,《图像质量评估:从错误可见性到结构相似性》,IEEE Trans。图像处理。,13, 4, 600-612 (2004)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。