×
苏亚德·穆哈维;阿卜杜利拉·哈基姆;赛义德·拉盖

结合字典学习和TV模型进行图像恢复，并进行收敛性分析。 （英语） Zbl 1488.94035号

数学杂志。模型。 9，编号1，13-30（2021）.
摘要：本文考虑基于（l_0）范数的字典学习方法结合全变分正则化来解决图像恢复问题。它被表示为一个非凸非光滑优化问题。尽管这种图像恢复模型已经在许多工作中提出，但确保所考虑的最小化方法满足全局收敛性仍然很重要，这是本工作的主要目标。因此，我们采用了最近交替线性化最小化方法，从而证明了生成序列的全局收敛到临界点。实验结果证明了该算法的图像恢复性能。

理学硕士：

94A08型 信息和通信理论中的图像处理（压缩、重建等）
49J52型 非平滑分析
65千5 数值数学规划方法
34A34飞机 非线性常微分方程和系统

关键词：

图像去模糊;字典学习;稀疏近似;总变化量;近似方法;非凸优化

软件：

美国金融服务贸易协会
PDF格式BibTeX公司 XML格式引用
\textit{S.Mohaoui}等人，J.Math。模型。9、第1号、第13--30号（2021年；Zbl 1488.94035）
全文： 内政部

参考文献：

[1] M.Afonso，V.M.Jos D.Bioucas-Dias，M.T.Figueiredo，使用可变分割和约束优化快速图像恢复，IEEE Trans。图像处理.19（2010）2345-2356·Zbl 1371.94018号
[2] A.Asaei，M.Golbabaee，H.Bourlard，V.Cevher，混响语音分离的结构化稀疏模型，IEEE/ACM Trans。Au.Sp.Lang.Proc.22（2014）620-633。
[3] M.Aharon，M.Elad，A.Bruckstein，K-SVD：为稀疏表示设计过完备字典的算法，IEEE Trans。《信号处理》54（2006）4311-4322·Zbl 1375.94040号
[4] Z.Alexander，R.Tichatschke，近点方法和非凸优化，J.Global Optim.13（1998）389-406·Zbl 0916.90224号
[5] H.Attouch，J.Bolt，关于涉及分析特征的非光滑函数的近似算法的收敛性，数学。程序116（2009）5-16·Zbl 1165.90018号
[6] H.Attouch，J.Bolt，P.Redont，A.Soubeyran，非凸问题的近似交替最小化和投影方法：基于Kurdyka-Lojasiewicz不等式的方法，数学。操作。第35（2）（2010）号决议438-457·Zbl 1214.65036号
[7] C.Bao，H.Ji，Y.Quan，Z.Shen，稀疏编码字典学习：算法和收敛性分析，IEEE Trans。模式分析。机器。Intell38（7）（2015）1356-1369。
[8] J.M.Bioucas-DiasA线性光谱分解的可变分裂增强拉格朗日方法，高光谱图像和信号处理第一次研讨会：遥感进化，2009年。
[9] J.M.Bioucas-Dias、M.A.T.Figueiredo、J.P.Oliveira，《基于总变量的图像反褶积：优化-最小化方法》，IEEE国际会议ICASSP，2006年·Zbl 1178.94029号
[10] J.Bolt，A.Danilidis，A.Lewis，非光滑子分析函数的kojasiewicz不等式及其在次梯度动力系统中的应用，SIAM J.Optim.17（4）（2007）1205-1223·Zbl 1129.26012号
[11] J.Bolt，A.Danilidis，A.Lewis，M.Shiota，分层函数的Clarke次梯度，SIAM J.Optim.18（2007）556-572·Zbl 1142.49006号
[12] S.Bolt，S.Sabach，M.Teboulle，近似交替线性化最小化或非凸和非光滑问题，数学。项目.146（1-2）（2014）459-494·Zbl 1297.90125号
[13] T.Chan，A.Marquina，P.Mulet，基于高阶总变异的图像恢复，SIAM J.Sci。计算22（2）（2000）503-516·Zbl 0968.68175号
[14] A.Chambolle，《总变异最小化算法及其应用》，J.Math。《成像视野》20（2004）89-97·Zbl 1366.94048号
[15] A.Chambolle，P.Lions，通过总变化最小化和相关问题进行图像恢复，Numer。数学76（2）（1997）167-188·兹伯利0874.68299
[16] Y.Chen，W.W.Hager，M.Yashtini，X.Ye，H.Zhang，Bregman算子分裂与变步长全变分图像重建，计算机。最佳方案。申请54（2）（2013）317-342·Zbl 1290.90071号
[17] K.Dabov，S.Foi，V.Katkovnik，K.Egiazarian，通过稀疏3D变换域协同过滤进行图像恢复，IPAS VI.6812（2008）681207。
[18] D.L.Donoho，M.Elad，V.N.Temlyakov，噪声存在下稀疏超完备表示的稳定恢复，IEEE Trans。通知。Theory52（2006）6-18·Zbl 1288.94017号
[19] M.Elad，M.Aharon，通过学习词典上的稀疏和冗余表示进行图像去噪，IEEE Trans。图像处理.15（2006）3736-3745。
[20] S.Esedoglu、S.J.Osher。各向异性Rudin-Osher-Fatemi模型的图像分解，Comm.Pure Appl。数学57（2004）1609-1626·Zbl 1083.49029号
[21] T.Goldstein，S.Osher，《L1正则化问题的分裂Bregman方法》，SIAM J.成像科学2（2009）323-343·Zbl 1177.65088号
[22] T.Goldstein，C.Studer，R.Baraniuk，利用FASTA实施前向-后向拆分的现场指南，可用：网址：http://arxiv.org/abs/1141.3406, 2014.
[23] 周欢，林志林，非凸规划的加速近似梯度法，高级神经网络。信息处理。系统。(2015) 379-387.
[24] A.Kaplan，W.Tichatschke，近点方法和非凸优化，J.Global Optim.13（4）（1998）389-406·Zbl 0916.90224号
[25] H.Lu，J.Wei，Q.Liu，Y.Wang，X.Deng，核磁共振成像重建的全广义变异字典学习方法，国际生物医学杂志。成像。，2016年第卷，文章ID 7512471，13页。
[26] L.Rebollo-Neira，D.Lowe。优化正交匹配追踪法，IEEE信号处理。Lett.9（4）（2002）137-140。
[27] Y.C.Pati，R.Rezaiifar，P.S.Krishnaprasad，正交匹配追踪：递归函数逼近及其在小波分解中的应用，Proc。第27届Asilomar Conf.Signals，Syst。。和计算。，美国加利福尼亚州太平洋格罗夫，1（1993）40-44。
[28] I.Ramirez，P.Sprechmann，G.Sapiro，通过字典学习进行分类和聚类，结构化不连贯和共享特征，Proc。IEEE国际会议计算。视觉。模式识别。，(2011) 35013508
[29] L.I.Rudin，S.Osher，E.Fatemi，《基于非线性总变差的噪声去除算法》，Physica D.60（1992）259-268·Zbl 0780.49028号
[30] R.Gribonval，M.Nikolova，《邻近算子的表征》，J.Math。成像视觉（2020）1-17·Zbl 07255773号
[31] D.Strong，T.Chan，总变差正则化的边保护和尺度相关性质，《反问题》19（2006）S165·Zbl 1043.94512号
[32] T.Blumensath，M.E.Davies，压缩感知的迭代硬阈值，应用。计算。哈蒙。分析27（3）（2009）265-274·Zbl 1174.94008号
[33] J.-L.Starck，Y.Moudden，J.Bobin，M.Elad，D.L.Donoho，形态成分分析，Proc。SPIE 5914，Wavelets XI，59140Q，2005年9月17日。
[34] P.Jain，P.Kar，机器学习的非凸优化，Found。趋势马赫数。学习。10(3-4) (2017) 142-336. ·Zbl 1388.68251号
[35] T.Poggio，V.Torre，《早期视力中的病态问题和正则化分析》，麻省理工学院人工智能实验室，技术代表人工智能备忘录。(1984) 773.
[36] M。
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。