数学>数值分析
职务: 一种新的尺度梯度法步长选择及其在图像去模糊中的应用
摘要: 梯度方法经常用于大规模图像去模糊问题,因为它们避免了目标函数的Hessian矩阵的繁琐计算。 二阶信息通常是通过巧妙地选择定义下降方向的步长参数来寻求的,就像众所周知的Barzilai和Borwein规则一样。 在最近的一篇论文中,提出了一种近似Hessian矩阵某些特征值逆的步长选择策略,用于梯度方法应用于无约束极小化问题。 在二次型情况下,该方法基于Lanczos过程,该过程每m次迭代应用于最近m个后向梯度的矩阵,但该思想可以扩展到一般目标函数。 在本文中,我们将此规则扩展到应用于非负约束最小化问题的缩放梯度投影方法的情况,并在存在和不存在显式边缘保持正则化项的情况下,测试了所提策略在图像去模糊问题中的有效性。