G.兰迪。 一种改进的牛顿投影法用于正则化最小二乘图像去模糊。 （英语） Zbl 1331.68270号 数学杂志。成像视觉。 51，第1期，195-208（2015）. 摘要：近年来，由于（ell_1）范数的保边性，正则化最小二乘已成为图像去模糊的一种常用方法。本文考虑（ell _1）正则化最小二乘问题的非负约束二次规划格式，并提出用一种只需要矩阵向量运算的高效修正牛顿投影法来求解。这种方法有利于在\（\ell_1\）正则化最小二乘问题中不显式施加任何约束的非负解。对图像去模糊测试问题的实验结果表明，与现有方法相比，该方法具有良好的性能。 引用于2文件 MSC公司： 68单位10 图像处理的计算方法 94A08型 信息与通信理论中的图像处理（压缩、重建等） 关键词：图像复原;\（\ell_1）-基于范数的正则化;凸优化;牛顿投影法;反问题 软件：TwIST公司;SPGL1型;NESTA公司;PDCO公司;NP工具 PDF格式BibTeX公司 XML格式引用 \textit{G.Landi}，J.数学。成像视觉。51，第1号，195--208（2015；Zbl 1331.68270） 全文： 内政部 参考文献： [1] Afonso，M.V.、Bioucas-Dias，J.M.、Figueiredo，M.A.T.：使用可变分割和约束优化实现快速图像恢复。IEEE传输。图像处理。19, 2345-2356 (2010) ·兹比尔1371.94018 ·doi:10.1109/TIP.2010.2047910 [2] Afonso，M.V.，Bioucas-Dias，J.M.，Figueiredo，M.A.T.：成像逆问题约束优化公式的增广拉格朗日方法。IEEE传输。图像处理。20(3), 681-695 (2011) ·Zbl 1372.94004号 ·doi:10.1109/TIP.2010.2076294 [3] Andrew，G.，Gao，J.F.：l1-正则化对数线性模型的可缩放训练。摘自：第24届机器学习国际会议记录（2007年）·Zbl 0919.94002号 [4] Beck，A.，Teboulle，M.：线性反问题的快速迭代收缩阈值算法。SIAM J.成像科学。2(1), 183-202 (2009) ·Zbl 1175.94009号 ·doi:10.1137/080716542 [5] Becker，S.、Bobin，J.、CandèS，E.J.：NESTA：稀疏恢复的快速准确一阶方法。SIAM J.成像科学。4, 1-39 (2011) ·Zbl 1209.90265号 ·数字对象标识代码：10.1137/090756855 [6] Bertero，M.，Boccacci，P.：成像逆问题简介。IOP出版，布里斯托尔（1998）·Zbl 0914.65060号 ·doi:10.1887/0750304359 [7] Bertsekas，D.：约束优化和拉格朗日乘子方法。纽约学术出版社（1982）·Zbl 0572.90067号 [8] Bertsekas，D.：简单约束优化问题的投影牛顿方法。SIAM J.控制优化。20(2), 221-245 (1982) ·Zbl 0507.49018号 ·doi:10.1137/0320018 [9] Bertsekas，D.：非线性规划，第二版。雅典娜科学，贝尔蒙特（1999）·Zbl 1015.90077号 [10] Bioucas-Dias，J.，Figueiredo，M.：一个新的转折点：用于图像恢复的两步迭代收缩/阈值算法。IEEE传输。图像处理。16(12), 29923004 (2007) ·doi:10.1109/TIP.2007.909319 [11] Bloomfield，P.，Steiger，W.：最小绝对偏差：理论，应用和算法。概率统计进展。Birkhäuser，波士顿（1983年）·Zbl 0536.62049号 [12] Bonettini，S.、Landi，G.、Loli Piccolomini，E.、Zanni，L.：天文图像去模糊中梯度投影类型方法的缩放技术。国际计算机杂志。数学。90(1), 9-29 (2013) ·Zbl 1278.68326号 ·doi:10.1080/00207160.2012.716513 [13] Cai，Y.，Sun，Y.、Cheng，Y.和Li，J.，Goodison，S.：使用梯度下降方法快速实现l1正则化学习算法。摘自：第十届SIAM数据挖掘国际会议（SDM）会议记录，第862-871页（2010年）·兹比尔1005.65058 [14] Candès，E.，Romberg，J.：定量稳健不确定性原理和最佳稀疏分解。已找到。计算。数学。6, 227-254 (2006) ·Zbl 1102.94020号 ·doi:10.1007/s10208-004-0162-x [15] Candès，E.，Romberg，J.：压缩采样中的稀疏性和不连贯性。投资。问题。23, 969-985 (2007) ·邮编1120.94005 ·doi:10.1088/0266-5611/23/3/008 [16] Candès，E.，Tao，T.：从随机投影中恢复接近最优的信号：通用编码策略？IEEE传输。《信息论》52（12），5406-5425（2006）·Zbl 1309.94033号 ·doi:10.1109/TIT.2006.885507 [17] Candès，E.，Romberg，J.，Tao，T.：从不完整和不准确的测量中恢复稳定的信号。Commun公司。纯应用程序。数学。59(8), 12071223 (2005) ·邮编1098.94009 [18] Candès，E.，Romberg，J.，Tao，T.：稳健的不确定性原理：从高度不完整的频率信息中进行准确的信号重建。IEEE传输。《信息论》52（2），489509（2006）·Zbl 1231.94017号 ·doi:10.10109/TIT.2005.862083 [19] Chen，S.，Donoho，D.，Saunders，M.：通过基追踪进行原子分解。SIAM J.科学。计算。20, 33-61 (1998) ·Zbl 0919.94002号 ·doi:10.1137/S1064827596304010 [20] Daubechies，I.，De Friese，M.，De-Mol，C.：具有稀疏约束的线性反问题的迭代阈值算法。Commun公司。纯应用程序。数学。57, 14131457 (2004) ·Zbl 1077.65055号 ·doi:10.1002/cpa.20042 [21] Donoho，D.：压缩传感。IEEE传输。《信息论》52（4），12891306（2006）·Zbl 1288.94016号 ·doi:10.1109/TIT.2006.871582 [22] Figueiredo，M.A.T.、Nowak，R.D.、Wright，S.J.：稀疏重建的梯度投影：应用于压缩传感和其他反问题。IEEE J.选择。顶部。信号处理。1, 586-597 (2007) ·doi:10.1010/JSTSP.2007.910281 [23] Fu，H.，Ng，M.K.，Nikolova，M.，Barlow，J.L.：图像恢复中混合l2-l1和l1-l1范数的有效最小化方法。SIAM J.科学。计算。27(6), 1881-1902 (2006) ·Zbl 1103.65044号 ·doi:10.1137/040615079 [24] Gafni，E.M.，Bertsekas，D.P.：约束优化的两种度量投影方法。SIAM J.控制。最佳方案。22, 936-964 (1984) ·Zbl 0555.90086号 ·doi:10.1137/0322061 [25] Goldstein，T.，Osher，S.：l1正则化问题的分裂Bregman方法。SIAM J.图像。科学。2(2), 323-343 (2009) ·Zbl 1177.65088号 ·doi:10.1137/080725891 [26] Goldstein，T.，Setzer，S.：基追踪的高阶方法。加州大学洛杉矶分校CAM技术报告10-41（2010）·Zbl 1018.49025号 [27] 龚，P.，张，C.：用于l1-正则化最小二乘的快速对偶投影牛顿法。载：《第二十二届国际人工智能联合会议论文集》，国际人工智能联合会11，第2卷，第1275-1280页（2011年）·Zbl 1278.68326号 [28] Guerquin-Kern，M.、Baritaux，J.-C.、Unser，M.：稀疏约束下的高效图像重建，应用于MRI和生物发光层析成像。ICASSP，IEEE，第5760-5763页（2011年） [29] Guo，X.，Li，F.，Ng，M.K.：用于图像恢复的快速l1-TV算法。SIAM J.科学。计算。31(3), 2322-2341 (2009) ·Zbl 1191.65029号 ·doi:10.1137/080724435 [30] Hager，W.W.，Phan，D.T.，Zhang，H.：稀疏恢复的基于梯度的方法。SIAM J.成像科学。4(1), 146-165 (2011) ·Zbl 1209.90266号 ·doi:10.1137/090775063 [31] Hale，E.T.，Yin，W.，Zhang，Y.：一种适用于压缩传感的l1-正则化最小化的定点延拓方法。技术报告CAAM TR07-07，德克萨斯州休斯顿莱斯大学（2007） [32] Hale，E.T.，Yin，W.，Zhang，Y.：l1-最小化的定点延拓：方法论和收敛性。SIAM J.Optim公司。19, 1107-1130 (2008) ·Zbl 1180.65076号 ·数字对象标识代码：10.1137/070698920 [33] Hansen，P.C.，Nagy，J.，O'Leary，D.P.：消除图像模糊。矩阵、谱和滤波。SIAM，费城（2006）·Zbl 1112.68127号 ·doi:10.1137/1.9780898718874 [34] Kim，J.，Park，H.：用于l1-正则化线性回归的快速活动集型算法。摘自：AISTAT会议记录，第397-404页（2010年）·Zbl 1193.49033号 [35] Kim，S.J.，Koh，K.，Lustig，M.，Boyd，S.，Gorinevsky，D.：大规模l1-正则化最小二乘的内点方法。IEEE J.选择。顶部。信号处理。1, 606-617 (2007) ·doi:10.1109/JSTSP.2007.910971 [36] Kuo，S.-S.，Mammone，R.J.：使用自适应约束和l1范数通过凸投影进行图像恢复。事务处理。信号。程序。40(1), 159 (1992) ·doi:10.1109/78.157191 [37] Landi，G.，Loli Piccolomini，E.：图像恢复中的准牛顿投影方法和差异原理。申请。数学。计算。218(5), 2091-2107 (2011) ·Zbl 1269.65053号 ·doi:10.1016/j.amc.2011.07.026 [38] Landi，G.，Loli Piccolomini，E.：一种对被泊松噪声破坏的医学图像进行非负约束的基于全变分的去噪的有效方法。计算。医学成像图。36(1), 38-46 (2012) ·doi:10.1016/j.compmedimag.2011.07.002 [39] Landi，G.，Loli Piccolomini，E.：使用Tikhonov正则化对泊松腐蚀图像进行非负去模糊的改进牛顿投影方法。数字。算法60（1），169-188（2012）·Zbl 1241.65059号 ·doi:10.1007/s11075-011-9517-y [40] Landi，G.，Loli Piccolomini，E.：NPTool：使用牛顿投影方法进行非负图像恢复的Matlab软件。数字。算法62（3），487-504（2013）·Zbl 1262.65033号 ·doi:10.1007/s11075-012-9602-x [41] Lavrentiev，M.M.：数学物理的一些不当问题。纽约州施普林格市（1967年）·兹伯利0149.41902 ·doi:10.1007/978-3-642-88210-4 [42] Loris，I.，Bertero，M.，De Mol，C.，Zanella，R.，Zanni，L.：用步长选择规则加速梯度投影法恢复l1-约束信号。申请。计算。哈蒙。分析。27(2), 247-254 (2009) ·Zbl 1170.65318号 ·doi:10.1016/j.acha.2009.02.003 [43] Nikolova，M.：涉及非光滑数据完整性条件的成本函数最小化。应用于异常值处理。SIAM J.数字。分析。40, 965994 (2002) ·Zbl 1018.49025号 ·doi:10.1137/S0036142901389165 [44] Schmidt，M.：L1规则化的图形模型结构学习。不列颠哥伦比亚大学博士论文（2010年） [45] Schmidt，M.，Fung，G.，Rosalesm，R.：l1正则化的快速优化方法：比较研究和两种新方法。摘自：《第18届欧洲机器学习会议论文集》，ECML’07，Springer，第286-297页（2007）·Zbl 1288.65090号 [46] Schmidt，M.，Fung，G.，Rosales，R.：l1-正则化的优化方法。技术报告TR-2009-19，UBC（2009）·Zbl 0507.49018号 [47] Schmidt，M.，Kim，D.，Sra，S.：机器学习的优化。机器学习中的投影牛顿型方法。麻省理工学院出版社，剑桥（2011） [48] Tautenhahn，U.：关于非线性不适定问题的Lavrentiev正则化方法。投资。问题。18, 191-207 (2002) ·Zbl 1005.65058号 ·doi:10.1088/0266-5611/18/13/13 [49] Tibshirani，R.：通过拉索进行回归收缩和选择。J.R.统计社会服务。B 58（1），267288（1996）·Zbl 0850.62538号 [50] Tropp，J.：放松：识别噪声中稀疏信号的凸规划方法。IEEE传输。《信息论》52（3），10301051（2006）·Zbl 1288.94025号 ·doi:10.1109/TIT.2005.864420 [51] Tikhonov，A.N.，Arsenin，V.Y.：不良问题的解决方案。威利，纽约（1977年）·Zbl 0354.65028号 [52] Tibshirani，R.，Hastie，T.，Friedman，J.：统计学习的要素。统计学中的斯普林格系列。施普林格，纽约（2001）·Zbl 0973.62007号 [53] van den Berg，E.，Friedlander，M.P.：探索基础追踪解决方案的帕累托边界。SIAM J.科学。计算。31890-912（2008年）·Zbl 1193.49033号 ·doi:10.1137/080714488 [54] Vogel，C.R.，Oman，M.E.：总变差去噪的迭代方法。SIAM J.科学。计算。17, 227-238 (1996) ·Zbl 0847.65083号 ·doi:10.1137/0917016 [55] Vogel，C.R.：反问题的计算方法。费城SIAM（2002年）·兹比尔1008.65103 ·数字对象标识代码：10.1137/1.9780898717570 [56] Wright，S.，Nowak，R.，Figueiredo，M.：可分离近似的稀疏重建。IEEE传输。信号处理。57(7), 24792493 (2009) ·Zbl 1391.94442号 ·doi:10.1109/TSP.2009.2016892 [57] Yin，W.，Osher，S.，Goldfarb，D.，Darbon，J.：压缩传感应用中l1-最小化的Bregman迭代算法。SIAM J.成像科学。1, 143-168 (2008) ·Zbl 1203.90153号 ·doi:10.1137/070703983 [58] Zhang，J.J.，Morini，B.：通过交替方向方法解决正则化线性最小二乘问题，并应用于图像恢复。ETNA 40、356-372（2013）·Zbl 1288.65090号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。