×
陈晓彤;詹姆斯·海林。;詹姆斯·纳吉（James G.Nagy）。;Xi，袁哲;于波

一种用于自适应光学视网膜图像的全变差近视去卷积的ADMM-LAP方法。 （英语） Zbl 1458.94023号

反向探测。 37，第1号，文章ID 014001，28 p.（2021）.
摘要：视网膜的自适应光学校正泛影成像是研究活眼视网膜结构和功能的一种流行技术。然而，原始视网膜图像通常对比度较差，因此需要进行图像反褶积来解释这些图像。与点扩散函数（PSF）完全已知的标准反褶积问题不同，这些视网膜成像问题中的PSF仅部分已知，这导致了更复杂的近视（轻度盲）反褶聚问题。在本文中，我们提出了一个有效的数值格式来解决这个带有全变分（TV）正则化的近视反褶积问题。首先，我们应用交替方向乘法器（ADMM）方法来处理TV正则化器。具体来说，我们将TV问题重新定义为等价等式约束问题，其中目标函数是可分离的，然后通过在两个（分离的）未知块之间交替来最小化增广拉格朗日函数以获得解。由于视网膜图像的结构，每个ADMM迭代中出现的关于保真度项的子问题紧密耦合，并设计了一种线性化和投影方法的变体来有效地解决这些子问题。该方法称为ADMM-LAP方法。在理论上，我们建立了ADMM-LAP方法到平稳点的子序列收敛性。理论复杂度分析和数值结果都证明了ADMM-LAP方法的有效性。

引用于1文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
68单位10 图像处理的计算方法

关键词：

总变化量;视网膜成像;图像复原;近视反褶积

软件：

凯利;规范化工具;IR工具;RecPF公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Chen}等人，逆问题。37，第1号，文章ID 014001，28 p.（2021；Zbl 1458.94023）
全文： 内政部 arXiv公司

参考文献：

[1] Beck A和Teboulle M 2009线性反问题的快速迭代收缩阈值算法SIAM J.Imag。科学2 183-202·Zbl 1175.94009号 ·doi:10.1137/080716542
[2] Blanco L和Mugnier L M 2011自适应光学视网膜图像的边缘盲反褶积Opt。快线19 23227-39·doi:10.1364/oe.19.023227
[3] Blanco L、Mugnier L M和Glanc M 2011年自适应光学视网膜图像的近视反褶积Spie Bios。
[4] Blanco L、Mugnier L M、Montmerle A M和Paques M 2014自适应光学校正视网膜图像的注册和恢复2014国际多媒体理解计算智能研讨会（IWCIM）IEEE）1-5·doi:10.1109/IWCIM.2014.7008815
[5] Boyd S、Parikh N、Chu E、Peleato B和Eckstein J 2010通过发现乘数的交替方向方法进行分布式优化和统计学习。趋势马赫数。学习。3 1-122·Zbl 1229.90122号 ·doi:10.1561/220000016
[6] Chen Z，Nagy J G，Xi Y和Yu B 2019用于图像恢复的结构化FISTA Numer。Lin.代数应用27 e2278·Zbl 1488.65084号 ·doi:10.1002/nla.2278
[7] Gazzola S、Hansen P C和Nagy J G 2019 IR Tools:迭代正则化方法和大规模测试问题Numer的MATLAB包。算法81 773-811·兹比尔1415.65003 ·doi:10.1007/s11075-018-0570-7
[8] Haber E 2014地球物理电磁学计算方法（宾夕法尼亚州费城：SIAM）·Zbl 1304.86001号 ·doi:10.1137/1.9781611973808
[9] Hansen P、Nagy J G和O’Leary D P 2006年消除模糊图像（宾夕法尼亚州费城：SIAM）·Zbl 1112.68127号 ·doi:10.1137/1.9780898718874
[10] Herring J L、Nagy J G和Ruthotto L 2018 LAP：求解耦合变量反问题的线性化和投影方法Sampl。理论信号图像处理17 127-51·Zbl 1411.65048号
[11] Hu Y，Nagy J G，Zhang J和Andersen M S 2019混合衰减多能图像重建逆问题的非线性优化35 064004·Zbl 1416.92101号 ·doi:10.1088/1361-6420/ab0131
[12] Kelley C T 1999优化迭代方法（宾夕法尼亚州费城：SIAM）·Zbl 0934.90082号 ·数字对象标识代码：10.1137/1.9781611970920
[13] Lai R和Osher S 2014正交约束问题的分裂方法科学杂志。计算58 431-49·Zbl 1296.65087号 ·数字对象标识代码：10.1007/s10915-013-9740-x
[14] Mei J-J，Dong Y，Huang T-Z和Yin W 2018用收敛的非凸ADMM去除Cauchy噪声保证了J.Sci。计算74 743-66·Zbl 06858871号 ·文件编号：10.1007/s10915-017-0460-5
[15] Nocedal J和Wright S 1999数值优化（柏林：施普林格）·Zbl 0930.65067号 ·数字对象标识代码：10.1007/b98874
[16] Rudin L I、Osher S和Fatemi E 1992非线性全变分噪声去除算法Phys。D 60 259-68号·Zbl 0780.49028号 ·doi:10.1016/0167-2789（92）90242-f
[17] Rudin L和Osher S 1994具有自由局部约束的基于全变分的图像恢复。第一届IEEE图像处理国际会议第1卷31-5页·doi:10.1109/ICIP.1994.413269
[18] Rockafellar R T和Wets R J B 2009变分分析（柏林：施普林格）
[19] Tao M，Yang J和He B 2009图像重建技术报告TR0918中全变差反褶积的交替方向算法
[20] Tikhonov A N和Arsenin V Y 1977《病态问题的解决方案》（华盛顿特区：V H Winston and Sons）·Zbl 0354.65028号
[21] Wang Y，Yang J，Yin W和Zhang Y 2008全变分图像重建的一种新的交替最小化算法SIAM J.Imag。科学1 248-72·Zbl 1187.68665号 ·doi:10.1137/080724265
[22] Wang Y，Yin W和Zeng J 2019非凸非光滑优化中ADMM的全局收敛性J.Sci。计算78 29-63·Zbl 1462.65072号 ·doi:10.1007/s10915-018-0757-z
[23] Xi Y，Xia J，Cauley S和Balakrishnan V 2014通过随机抽样SIAM J.Matrix Anal实现Toeplitz最小二乘的超快速和稳定结构解算器。申请35 44-72·Zbl 1300.65018号 ·doi:10.1137/120895755
[24] Xia J，Xi Y和Gu M 2012通过随机抽样SIAM J.Matrix Ana，Toeplitz线性系统的超快速结构化求解器。申请号：33 837-58·Zbl 1258.65030号 ·doi:10.1137/110831982
[25] Xu Y和Yin W 2013正则化多凸优化的块坐标下降法，应用于非负张量因式分解和SIAM J.Imag。科学6 1758-89·Zbl 1280.49042号 ·数字对象标识代码：10.1137/120887795
[26] Xu Y，Yin W，Wen Z和Zhang Y 2012非负因子Front矩阵补全的交替方向算法。数学。中国7 365-84·Zbl 1323.65044号 ·doi:10.1007/s11464-012-0194-5
[27] Yang L，Pong T K和Chen X 2012非凸背景/前景提取的交替方向乘法器方法SIAM J.Imag。科学10 74-110·Zbl 1364.90278号 ·doi:10.1137/15M1027528
[28] Zhang J和Nagy J G 2018求解逆问题中矩阵方程的交替方向乘数法Numer。Lin.代数应用25 e2123·Zbl 1513.65113号 ·doi:10.1002/nla.2123
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。