×

用交替迭代法从含噪不完全频率数据中恢复图像。 (英语) Zbl 1447.65117号

作者摘要:考虑带总变差和稀疏正则化惩罚项的不完全噪声频率数据的图像恢复。首先,我们建立了一个基于正则项的不同光滑逼近的无约束优化模型。然后,为了减少带全变分项的费用函数的计算量,开发了交替迭代方案,通过内环收缩阈值获得精确解,而在外环每次迭代时,非线性欧拉方程都适当线性化。这就产生了一个在频域中具有对角系数矩阵的线性系统。最后,对于合适的正则化参数,证明了线性化迭代在广义意义上是收敛的,并且严格估计了线性化的迭代解与精确非线性欧拉方程得到的迭代解之间的误差,从而表明了所提交替迭代方案的准确性。不同配置的数值试验表明,与现有的一些算法相比,该方案具有更好的性能。

MSC公司:

65N20型 偏微分方程边值问题不适定问题的数值方法
68单位10 图像处理的计算方法
65N21型 含偏微分方程边值问题反问题的数值方法
65T50型 离散和快速傅里叶变换的数值方法
65K10码 数值优化和变分技术
第31季度35 欧拉方程
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] G.Aubert和P.Kornprobst,图像处理中的数学问题,第147卷,《应用数学科学》,第二版,施普林格,纽约,2006年·Zbl 1110.35001号
[2] F.L.Bauer;C.T.Fike,范数和排除定理,Numer。数学。,2, 137-141 (1960) ·Zbl 0101.25503号 ·doi:10.1007/BF01386217
[3] D.P.Bertsekas,约束优化与拉格朗日乘子方法《计算机科学和应用数学》,学术出版社[Harcourt Brace Jovanovich,出版商],纽约-朗登,1982年·Zbl 0572.90067号
[4] S.Boyd;N.Parikh;朱棣文;B.佩莱托;J.Eckstein,《通过乘数交替方向方法进行分布式优化和统计学习》,《机器学习的基础和趋势》,3,1-122(2011)·兹比尔1229.90122
[5] E.J.Candès和J.Romberg,压缩取样中的稀疏性和不连贯性,反问题, 23 (2007), 969-985. ·邮编1120.94005
[6] E.J.Candès、J.Romberg和T.Tao,鲁棒不确定性原理:从高度不完整的频率信息中精确重建信号,IEEE传输。通知。理论, 52 (2006), 489-509. ·Zbl 1231.94017号
[7] A.Chambolle,《总变异最小化算法及其应用》,J.Math。成像视觉,20,89-97(2004)·Zbl 1366.94048号 ·doi:10.1023/B:JMIV.0000011321.19549.88
[8] I.Daubechies,M.Defrise和C.De Mol,稀疏约束线性反问题的迭代阈值算法,普通纯应用程序。数学。, 57 (2004), 1413-1457. ·Zbl 1077.65055号
[9] D.L.Donoho,压缩传感,IEEE传输。通知。理论, 52 (2006), 1289-1306. ·Zbl 1288.94016号
[10] 傅文杰,《惩罚回归:桥梁与套索》,《计算杂志》。图表。统计人员。,7, 397-416 (1998) ·数字对象标识代码:10.2307/1390712
[11] T.Goldstein;S.Osher,(L1)正则化问题的分裂Bregman方法,SIAM J.成像科学。,2, 323-343 (2009) ·兹比尔1177.65088 ·doi:10.1137/080725891
[12] P.J.Huber,位置参数的稳健估计,安。数学。统计师。, 35 (1964), 73-101. ·Zbl 0136.39805号
[13] E.M.Kalmoun,在光流问题的背景下对平滑类TV正则化的研究,J.成像, 4 (2018), 31.
[14] 十、刘;刘杰,关于利用正则化从随机采样噪声频率数据中恢复图像,逆问题。科学。工程师,271765-1789(2019)·Zbl 1472.68210号 ·doi:10.1080/17415977.2018.1557655
[15] K.Madsen和H.B.Nielsen,线性(I_1)估计的有限平滑算法,SIAM J.Optim公司。, 3 (1993), 223-235. ·兹比尔0781.65115
[16] M.K.Ng,R.H.Chan和W.-C.Tang,具有Neumann边界条件的去模糊模型的快速算法,SIAM J.科学。计算。, 21 (1999), 851-866. ·Zbl 0951.65038号
[17] S.Osher;M.汉堡;D.Goldfarb;徐智杰;尹文华,基于全变分图像复原的迭代正则化方法,多尺度模型。模拟。,4, 460-489 (2005) ·1090.94003赞比亚比索 ·doi:10.1137/040605412
[18] S.Perkins;K.拉克;J.Theiler,《嫁接:通过函数空间中的梯度下降进行快速增量特征选择》,J.Mach。学习。第3号决议,1333-1356(2003年)·Zbl 1102.68578号 ·doi:10.1162/153244303322753698
[19] G.Plonka;J.Ma,用于压缩传感的Curvelet-wavelet正则化分裂Bregman迭代,《国际小波多分辨率》。信息处理。,9, 79-110 (2011) ·Zbl 1208.94017号 ·doi:10.1142/S021969131003955
[20] M.Schmidt、G.Fung和R.Rosales,(L1)正则化的快速优化方法:比较研究和两种新方法机器学习:ECML 2007《计算机科学讲义》,4701,施普林格,柏林-海德堡,2007286-297。
[21] S.K.Shevade;S.S.Keerthi,使用稀疏逻辑回归进行基因选择的简单高效算法,生物信息学,192246-2253(2003)·doi:10.1093/bioinformatics/btg308
[22] X.Shu和N.Ahuja,通过新的总变化TVL1进行混合压缩采样,in计算机视觉-ECCV 2010,《计算机科学讲义》,6316,施普林格,柏林,海德堡,2010393-404。
[23] 孙文华、袁义霞,优化理论与方法《优化及其应用》,第1版,施普林格出版社,纽约,2006年·邮编1129.90002
[24] C.R.Vogel,反问题的计算方法《应用数学前沿》,23,工业和应用数学学会(SIAM),宾夕法尼亚州费城,2002年·兹比尔1008.65103
[25] 王毅,杨建阳,尹文英,张毅,全变分图像重建的一种新的交替最小化算法,SIAM J.成像科学。, 1 (2008), 248-272. ·Zbl 1187.68665号
[26] J.Yang;W.Yin;Y.Zhang;Y.Wang,边缘保持变分多通道图像恢复的快速算法,SIAM J.Imaging Sci。,2, 569-592 (2009) ·Zbl 1181.68304号 ·doi:10.1137/080730421
[27] J.Yang,Y.Zhang和W.Yin,从部分傅里叶数据重建信号的快速TVL1-L2最小化算法,2008。
[28] J.Yang;Y.Zhang;W.Yin,一种用于消除脉冲噪声污染的多通道图像模糊的有效TVL1算法,SIAM J.Sci。计算。,31, 2842-2865 (2009) ·Zbl 1195.68110号 ·doi:10.1137/080732894
[29] J.Yang,Y.Zhang和W.Yin,从部分傅里叶数据重建TVL1-L2信号的快速交替方向方法,IEEE信号处理专题杂志, 4 (2010), 288-297.
[30] W.Yin;S.Osher;D.Goldfarb;J.Darbon,Bregman迭代算法用于压缩传感的(I_1)最小化,SIAM J.成像科学。,1, 143-168 (2008) ·Zbl 1203.90153号 ·doi:10.1137/070703983
[31] X.Zhang;M.汉堡;十、布列松;S.Osher,用于反褶积和稀疏重建的Bregmaized非局部正则化,SIAM J.Imaging Sci。,3, 253-276 (2010) ·Zbl 1191.94030号 ·doi:10.1137/090746379
[32] 朱毅(Y.Zhu);I.-L.Chern,稀疏MR图像重建交替最小化方法的收敛性,J.Inform。计算。科学。,8, 2067-2075 (2011)
[33] 朱毅和刘晓霞,一种快速的磁共振图像压缩传感L1-L2建模方法,J.逆病态概率。, 23 (2015), 211-218. ·Zbl 1317.65227号
[34] 朱毅(Y.Zhu);石毅;B.张;X.Yu,基于压缩传感的磁共振图像重建的加权平均交替最小化方法,逆问题。成像,8925-937(2014)·Zbl 1302.65240号 ·doi:10.3934/ipi.2014.8.925
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。