信号处理中的一个基本问题是从噪声观测中估计信号。这通常被描述为一个优化问题。基于变分下界和最小化最大化的优化方法在机器学习研究、信号处理和统计学中得到了广泛的应用。本文研究了一类目标函数基于共轭函数下界（CFLB）和最小化最大化（MM）的迭代算法。我们提出了这两种算法的一个推广版本，并证明了当目标函数为凸且可微时，它们是等价的。然后，我们开发了一种CFLB/MM算法，用于解决线性高斯观测模型下的MAP估计问题。我们对小波域图像去噪算法进行了改进。实验结果表明，使用单一小波表示，所提算法的性能优于最近发表的最佳双收缩算法之一。使用复小波表示，该算法的性能与最先进的算法相比具有很强的竞争力。
