Jean-Franois，Aujol;吉尔博亚，盖伊;尼古拉斯·帕帕达基斯 估计单齐次泛函特征函数的流的理论分析。 （英语） 兹比尔1401.35232 SIAM J.成像科学。 11，第2期，1416-1440（2018）。 摘要：由一个齐次泛函（如1-Laplacian泛函）的次梯度诱导的非线性特征函数在分割、聚类和图像分解中起到了重要作用。我们提出了一类求此类特征函数的流，推广了Nossek和Gilboa最近提出的一种方法。我们在时间连续和时间离散设置下分析网格和图形上的流。对于这一类中的特定类型的流，我们证明了数值迭代过程的收敛性，并证明了时间连续情况的存在性和唯一性。提供了几个玩具示例来说明理论结果，展示了如何在图像和图形上使用此类流。 引用于三文件 MSC公司： 35页30 偏微分方程的非线性特征值问题和非线性谱理论 47J10型 非线性谱理论，非线性特征值问题 49卢比 算子特征值的变分方法 68单位10 图像处理的计算方法 关键词：非线性流动;非线性特征函数;总变化量;非局部非线性谱图理论;凸正则化 PDF格式BibTeX公司 XML格式引用 \textit{J.-F.Aujol}等人，SIAM J.成像科学。11，第2号，1416--1440（2018；Zbl 1401.35232） 全文： 内政部 参考文献： [1] F.Andreu、C.Ballester、V.Caselles和J.M.Mazón，最小化总变化流《微分-积分方程》，14（2001），第321-360页·Zbl 1020.35037号 [2] F.Andreu、V.Caselles、J.I.D\iaz和J.M.Mazoán，全变分流的一些定性性质《功能分析杂志》，188（2002），第516–547页·Zbl 1042.35018号 [3] V.Apidopoulos、J.-F.Aujol和C.Dossal，微分包含模型FISTA算法及在（b≤3）情况下收敛速度的最优性、SIAM J.Optim.、。，28（2018），第551-574页·Zbl 1408.34024号 [4] G.Aubert和J.-F.Aujol，去除乘性噪声的变分方法，SIAM J.应用。数学。，68（2008），第925-946页·Zbl 1151.68713号 [5] J.-F.Aujol、G.Gilboa和N.Papadakis，非局部全变分谱理论基础，《第五届计算机视觉尺度空间和变分方法国际会议论文集》（SSVM’15），柏林斯普林格，2015年，第66-77页·Zbl 1450.35205号 [6] A.Belahmidi和A.Chambolle，各向异性扩散的时间延迟正则化与图像处理，ESAIM数学。模型。数字。分析。，39（2005），第231-251页·兹比尔1101.68102 [7] G.Bellettini、V.Caselles和M.Novaga，总变化流量（R^N\）《微分方程》，184（2002），第475–525页·兹比尔1036.35099 [8] M.Benning、C.Brune、M.Burger和J.Muöller，高阶TV方法：通过Bregman迭代进行增强，SIAM J.科学。计算。，54（2013），第269–310页·Zbl 1308.94012号 [9] M.Benning和M.Burger，凸变分正则化方法的基态和奇异向量，方法应用。分析。，20（2013年），第295-334页·Zbl 1294.49020号 [10] M.Benning、M.Moáller、R.Z.Nossek、M.Burger、D.Cremers、G.Gilboa和C.-B.Scho¨nlieb，非线性光谱图像融合，载于《第六届计算机视觉尺度空间和变分方法国际会议论文集》（SSVM’17），施普林格，柏林，2017，第41-53页。 [11] K.Bredies、K.Kunisch和T.Pock，总广义变化，SIAM J.成像科学。，3（2010年），第492-526页·Zbl 1195.49025号 [12] X.Bresson、T.Laurent、D.Uminsky和J.V.Brecht，契格切割集群的融合和能源前景《神经信息处理系统进展》（NIPS’12），NIPS基金会，加利福尼亚州拉霍亚，2012年，第1385–1393页。 [13] X.Bresson、T.Laurent、D.Uminsky和J.Von Brecht，多类总变异聚类《神经信息处理系统进展》（NIPS’13），NIPS基金会，加利福尼亚州拉霍亚，2013年，第1421-1429页。 [14] X.Bresson、X.-C.Tai、T.F.Chan和A.Szlam，基于Cheeger cut的1松弛和Mumford-Shah-Potts模型的多类传递学习，J.数学。《成像视觉》，49（2014），第191-201页·Zbl 1366.68230号 [15] H.布雷齐斯，Opeírateurs maximaux monotones et semi groupes de constructions dans les espaces de Hilbert最大单调与半收缩群1973年，荷兰北部，阿姆斯特丹·Zbl 0252.47055号 [16] H.布雷齐斯，分析功能。？orie et应用程序《马瑟马提克贴花》，巴黎马森，1983年·Zbl 0511.46001号 [17] A.Buades、B.Coll和J.-M.Morel，一种非局部图像去噪算法，摘自IEEE计算机视觉和模式识别会议（CVPR'05），第2卷，IEEE，新泽西州皮斯卡塔韦，2005年，第60-65页·Zbl 1108.94004号 [18] T.布勒和M.海因，基于图p-Laplacian的谱聚类《机器学习国际会议》（ICML'09），美国计算机学会，纽约，2009年，第81-88页。 [19] M.Burger、G.Gilboa、M.Moeller、L.Eckardt和D.Cremers，使用单齐次泛函的谱分解，SIAM J.成像科学。，9（2016），第1374-1408页·Zbl 1361.35123号 [20] M.Burger、G.Gilboa、S.Osher和J.Xu，非线性逆尺度空间方法、Commun。数学。科学。，4（2006），第179–212页·Zbl 1106.68117号 [21] G.Carlier、M.Comte和G.Peyreí，最大Cheeger集的投影逼近，ESAIM:数学。模型。数字。分析。，43（2009），第139-150页·Zbl 1161.65046号 [22] V.Caselles、A.Chambolle和M.Novaga，关于Cheeger集的唯一性和正则性的几点注记，重新命名。塞明。帕多瓦马特大学，123（2010），第191-201页·Zbl 1198.49042号 [23] A.Chambolle和P.L.Lions，基于全变差最小化的图像恢复及相关问题，数字。数学。，76（1997），第167-188页·Zbl 0874.68299号 [24] A.Chambolle和T.Pock，凸问题的一阶原对偶算法及其在成像中的应用，J.数学。《成像视觉》，40（2011），第120–145页·兹比尔1255.68217 [25] J.W.Demmel，应用数值线性代数，SIAM，费城，1997年·Zbl 0879.65017号 [26] J.Duran、M.Moeller、C.Sbert和D.Cremers，协作全变差：矢量电视模型的通用框架，SIAM J.成像科学。，9（2016），第116-151页·Zbl 1381.94016号 [27] G.Gilboa，用于尺度和纹理分析的全变差谱框架，SIAM J.成像科学。，7（2014），第1937-1961页·Zbl 1361.94014号 [28] G.Gilboa和S.Osher，非局部算子在图像处理中的应用SIAM多尺度模型。模拟。，7（2008），第1005–1028页·Zbl 1181.35006号 [29] M.Hein和T.Buöhler，非线性特征值问题的逆幂方法及其在单谱聚类和稀疏PCA中的应用，《神经信息处理系统进展》（NIPS’10），2010年，NIPS基金会，加利福尼亚州拉霍亚，第847–855页。 [30] D.Horesh和G.Gilboa，用于纹理分解的光谱TV域分离曲面，IEEE传输。图像处理。，25（2016年），第4260–4270页·Zbl 1408.94251号 [31] S.H.Kang、B.Shafei和G.Steidl，使用p-Laplacians和RKHS方法的监督和传递多类分割J.视觉通信。图像表示。，25（2014），第1136–1148页。 [32] E.Merkurjev、E.Bae、A.L.Bertozzi和X.-C.Tai，用于高维数据分类的图的全局二进制优化，J.数学。《成像视觉》，52（2015），第414-435页·Zbl 1333.90111号 [33] E.Merkurjev、T.Kostic和A.L.Bertozzi，用于分类和图像处理的图的MBO方案，SIAM J.成像科学。，6（2013），第1903-1930页·Zbl 1279.68335号 [34] B.Merriman、J.K Bence和S.J.Osher，平均曲率扩散生成运动《计算晶体种植者研讨会》，AMS，普罗维登斯，RI，1992年，第73-83页。 [35] Y.Meyer，图像处理和一些非线性发展方程中的振荡模式，第15届院长杰奎琳斯·刘易斯纪念讲座，AMS，普罗维登斯，RI，2001年·Zbl 0987.35003号 [36] M.Moeller、J.Diebold、G.Gilboa和D.Cremers，学习非线性光谱滤波器用于彩色图像重建，《IEEE计算机视觉国际会议论文集》（ICCV’15），IEEE，新泽西州皮斯卡塔韦，2015年，第289-297页。 [37] J.穆勒，高级图像重建和去噪：Bregmaized（高阶）全变差及其在PET中的应用，穆斯特大学博士论文，2013年·Zbl 1271.94001号 [38] R.Z.Nossek和G.Gilboa，产生非线性特征函数的流，《科学杂志》。计算。，75（2018年），第859–888页·Zbl 1402.65025号 [39] S.Osher、M.Burger、D.Goldfarb、J.Xu和W.Yin，基于全变分的图像复原迭代正则化方法，SIAM J.多尺度模型。模拟。，4（2005），第460-489页·1090.94003赞比亚比索 [40] L.Rudin、S.Osher和E.Fatemi，基于非线性全变分的噪声去除算法，Physica D，60（1992），第259–268页·Zbl 0780.49028号 [41] Y.Saad，稀疏线性系统的迭代方法，SIAM，费城，2003年·Zbl 1031.65046号 [42] M.F.Schmidt、M.Benning和C.B.Schoönlieb，逆尺度空间分解，预印本，2016年。 [43] A.D.Szlam和X.Bresson，总变化量和切块《机器学习国际会议》（ICML’10），IMLS，新泽西州普林斯顿，2010年，第1039–1046页。 [44] R.Temam，Navier-Stokes方程《爱思唯尔科学》，阿姆斯特丹，1984年·Zbl 0568.35002号 [45] L.Zeune、G.van Dalum、L.WMM Terstappen、S.A.van Gils和C.Brune，基于Bregman距离和非线性谱分析的多尺度分割，SIAM J.成像科学。，10（2017年），第111–146页·Zbl 1372.35315号 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。