×

关于变分片常数图像恢复的一般光滑截断正则化:构造和收敛算法。 (英语) Zbl 1471.94001号

摘要:图像恢复是一个典型的逆问题,分段常数图像在工业和商业中有着广泛的应用。带有非凸、非光滑正则化的变分模型可以实现边缘整齐的高质量修复。特别是,一类截断的势函数有效地支持对比度保护恢复。然而,这些函数不是次微分正则的,因此对于最小化算法,不会产生变分或收敛结果。在本文中,我们提出了一个通用的平滑方案来克服现有截断正则化子的这种非正则性。我们还通过引入一个新的(ell_1)近端项,提出了全局收敛算法来求解具有新的平滑截断正则函数(STR)的非强制变分模型。迭代序列的极限点被证明是原始目标函数的(β)-驻点。然后,我们通过交替方向乘数法(ADMM)给出了内部子问题的实现细节。通过数值实验,证明了新正则化器对分段常数图像保持整洁边缘和对比度的良好能力。

MSC公司:

94A08型 信息和通信理论中的图像处理(压缩、重建等)
65K10码 数值优化和变分技术
65J22型 抽象空间反问题的数值解法
49N60型 最优控制中解的正则性
49号45 最优控制中的逆问题
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Attouch H和Bolt J 2009关于涉及分析特征数学的非光滑函数的近似算法的收敛性。计划116 5-16·Zbl 1165.90018号 ·doi:10.1007/s10107-007-0133-5
[2] Attouch H、Bolt J、Redont P和Soubeyran A 2010非凸问题的近似交替最小化和投影方法:基于Kurdyka-Łojasiewicz不等式数学的方法。操作。第35号决议438-57·Zbl 1214.65036号 ·doi:10.1287/门.1100.0449
[3] Attouch H、Bolt J和Svaiter B F 2013半代数和驯服问题下降方法的收敛性:近似算法、前向后分裂和正则高斯-赛德尔方法数学。程序137 91-129·Zbl 1260.49048号 ·doi:10.1007/s10107-011-0484-9
[4] Bao C,Dong B,Hou L,Shen Z,Zhang X和Zhang X2016小波框架系数零范数最小化图像恢复反问题32 115004·Zbl 1409.94026号 ·doi:10.1088/0266-5611/32/11/115004
[5] Beister M、Kolditz D和Kalender W A 2012年x射线CT物理中的迭代重建方法。医学28 94-108·doi:10.1016/j.ejmp.2012.01.003
[6] Block K T、Uecker M和Frahm J 2007使用总变差约束Magn进行欠采样径向MRI多线圈迭代图像重建。Reson公司。医学57 1086-98·doi:10.1002/mrm.21236
[7] Bolt J、Sabach S和Teboulle M 2014非凸和非光滑问题的近似交替线性化最小化数学。程序146 459-94·Zbl 1297.90125号 ·doi:10.1007/s10107-013-0701-9
[8] Bonettini S、Loris I、Porta F、Prato M和Rebegoldi S 2017关于非凸优化逆问题基于线性搜索的近似粒度方法的收敛性33 055005·Zbl 1373.65040号 ·doi:10.1088/1361-6420/a5bfd文件
[9] Bonettini S、Prato M和Rebegoldi S 2018基于块坐标可变公制线搜索的近端梯度法计算。最佳方案。申请71 5-52·Zbl 1405.90123号 ·doi:10.1007/s10589-018-0011-5
[10] Candès E J、Wakin M B和Boyd s P 2008通过加权增强稀疏性1最小化J.傅里叶分析。申请号:1877-905·Zbl 1176.94014号 ·doi:10.1007/s00041-008-9045-x
[11] Chambolle A和Pock T 2011凸问题的一阶原对偶算法,用于成像J.Math。成像视力40 120-45·Zbl 1255.68217号 ·doi:10.1007/s10851-010-0251-1
[12] Chen P,Huang J和Zhang X 2013凸可分离最小化的原对偶不动点算法及其在图像恢复逆问题29 025011中的应用·Zbl 1279.65075号 ·doi:10.1088/0266-5611/29/2/025011
[13] Chen X、Ng M K和Zhang C 2012 Non-Lipschitz图像恢复的p-正则化和盒约束模型IEEE Trans。图像处理21 4709-21·Zbl 1373.94080号 ·doi:10.1109/TIP.2012.2214051
[14] Chen X,Niu L和Yuan Y 2013非线性优化的最优性条件和光滑信赖域牛顿法SIAM J.Optim.23 1528-52·Zbl 1291.90238号 ·doi:10.137/120871390
[15] Chen X和Zhou W 2010使用非光滑非凸最小化SIAM J.Imaging Sci.3 765-90进行图像恢复的平滑非线性共轭梯度法·Zbl 1200.65031号 ·数字对象标识代码:10.1137/080740167
[16] Chen X和Zhou W 2014年加权后的收敛性1最小化算法2-p最小化计算。最佳方案。申请59 47-61·Zbl 1326.90062号 ·doi:10.1007/s10589-013-9553-8
[17] Chen Y、Shen Y和Wu C 2020一种新的全局收敛算法稀疏信号重构中的0正则化最小绝对偏差(准备中)
[18] Chouzenoux E、Pesquet J和Repetti,2014年,用于最小化可微函数和凸函数之和的可变度量前向支持算法J.Optim。理论应用162 107-32·Zbl 1318.90058号 ·doi:10.1007/s10957-013-0465-7
[19] Cocosco C A、Kollokian V、Kwan R K和Evans A C 1997 Brainweb:3D MRI模拟大脑数据库NeuroImage5 425的在线接口
[20] Coll B、Duran J和Sbert C 2015非凸图像恢复模型的半线性正则化反问题成像9 337-70·Zbl 1359.94029号 ·doi:10.3934/ipi.2015.9.337
[21] Daubechies I、Devore R、Fornasier M和Gunturk C S 2010为稀疏恢复公社迭代重加权最小二乘最小化。Pures应用程序。数学63 1-38·Zbl 1202.65046号 ·doi:10.1002/cpa.20303
[22] 董波,李杰,沈Z 2013年X射线CT图像重建,基于小波框架的正则化和氡域修复J.Sci。计算54 333-49·Zbl 1308.94015号 ·doi:10.1007/s10915-012-9579-6
[23] Ehrhardt M J和Betcke M M 2016用结构引导的全变异SIAM J成像科学9 1084-106进行多对照MRI重建·Zbl 1346.47006号 ·doi:10.1137/15M1047325
[24] Fan J和Li R 2001通过非一致惩罚似然及其预言属性进行变量选择J.Am.Stat.Assoc.96 1348-60·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[25] Foucart S和Lai M J 2009欠定线性系统的最稀疏解0≤q≤1应用程序的q最小化。计算。哈蒙。分析26 395-407·Zbl 1171.90014号 ·doi:10.1016/j.acha.2008.09.001
[26] Frankel P、Garrigos G和Peypouquet J 2015 Kurdyka-Łojasiewicz函数的可变度量分裂方法和一般收敛速度J.Optim。理论应用165 874-900·兹伯利1316.49039 ·doi:10.1007/s10957-014-0642-3
[27] Goldstein T和Osher S 2009分裂Bregman方法1-正则化问题SIAM J.成像科学2 323-43·Zbl 1177.65088号 ·doi:10.1137/080725891
[28] Gu G,Jiang S和Yang J 2017一种用于脉冲噪声图像去模糊的TVSCAD方法反问题33 125008·Zbl 1394.94011号 ·doi:10.1088/1361-6420/aa9383
[29] Hintermuller M和Wu T 2013图像恢复中的非凸TVq模型:分析和基于信任区域正则化的超线性收敛解算器SIAM J.Imaging Sci.6 1385-415·Zbl 1281.65033号 ·数字对象标识代码:10.1137/10854746
[30] Hong M,Luo Z和Razaviyayn M 2016一类非凸问题的交替方向乘法器方法的收敛性分析SIAM J.Optim.26 337-64·兹比尔1356.49061 ·数字对象标识代码:10.1137/140990309
[31] Knoll F、Bredies K、Pock T和Stollberger R 2011 MRI Magn二阶总广义变异(TGV)。Reson公司。医学65 480-91·doi:10.1002/mrm.22595
[32] Knoll F、Clason C、Bredies K、Uecker M和Stollberger R 2012使用可变惩罚Magn进行非线性重建的并行成像。Reson公司。医学67 34-41·doi:10.1002/mrm.22964
[33] Lai M J和Wang J Y 2011 An不受约束欠定线性系统稀疏解的0≤q⩽1 q最小化SIAM J.Optim.21 82-101·兹比尔1220.65051 ·数字对象标识代码:10.1137/090775397
[34] Lai M J,Xu Y Y和Yin W T 2013无约束平滑的改进迭代加权最小二乘法q最小化SIAM J.数字。分析51 927-57·Zbl 1268.49038号 ·数字对象标识代码:10.1137/10840364
[35] Lanza A、Morigi S和Sgallari F 2016限制TVp-2图像恢复模型J.Sci。计算68 64-91·Zbl 1344.65025号 ·doi:10.1007/s10915-015-0129-x
[36] Li G和Pong T K 2015非凸组合优化分裂方法的全局收敛性SIAM J.Optim.25 2434-60·Zbl 1330.90087号 ·doi:10.137/140998135
[37] Lou Y、Zhang X、Osher S和Bertozzi A L 2010通过非本地运营商J.Sci进行图像恢复。计算42 185-97·Zbl 1203.65088号 ·doi:10.1007/s10915-009-9320-2
[38] Lustig M、Donoho D L和Pauly J M 2007稀疏MRI:压缩传感在快速MR成像Magn中的应用。Reson公司。医学58 1182-95·数字对象标识代码:10.1002/mrm.21391
[39] Meyer Y 2001图像处理和非线性演化方程中的振荡模式:第十五届院长jacqueline b.lewis纪念讲座《美国数学》。社会22·Zbl 0987.35003号
[40] Michelli C A,Shen L和Xu Y 2011图像模型的邻近算法:去噪逆问题27 045009·Zbl 1216.94015号 ·doi:10.1088/0266-5611/27/4/045009
[41] Nikolova M 2006通过最小化非凸正则最小二乘SIAM J.多尺度模型分析图像和信号中的边缘恢复。模拟4 960-91·Zbl 1091.94007号 ·doi:10.1137/040619582
[42] Nikolova M,Ng M K和Tam C P 2010用于图像恢复和重建的快速非凸非光滑最小化方法IEEE Trans。图像处理19 3073-88·Zbl 1371.94277号 ·doi:10.1109/TIP.2010.2052275
[43] Nikolova M,Ng M K,Zhang S和Ching W 2008使用非光滑非凸最小化SIAM J.Imaging Sci.1 2-25高效重建分段常量图像·Zbl 1207.94017号 ·doi:10.1137/070692285
[44] Ochs P,Chen Y,Brox T和Pock T 2014 Ipiano:非凸优化的惯性近似算法SIAM J.Imaging Sci.7 1388-419·Zbl 1296.90094号 ·doi:10.137/130942954
[45] Ochs P、Dosovitskiy A、Brox T和Pock T 2015关于计算机视觉中非光滑非凸优化的迭代重加权算法SIAM J.Imaging Sci.8 331-72·Zbl 1326.65078号 ·数字对象标识代码:10.1137/140971518
[46] Rasch J、Kolehmainen V、Nivajarvi R、Kettunen M I、Grohn O、Burger M和Brinkmann E 2018年利用欠采样数据进行动态MRI重建,发现解剖预扫描逆向问题34 074001·Zbl 1397.78038号 ·doi:10.1088/1361-6420/aac3af
[47] Rockafellar R T和Wets R J B 2009变分分析第317卷(柏林:施普林格出版社)
[48] Rudin L、Osher S和Fatemi E 1992非线性全变分噪声去除算法Physica D 60 259-68·兹比尔0780.49028 ·doi:10.1016/0167-2789(92)90242-F
[49] Sidky E Y和Pan X 2008通过约束、总变量最小化Phys在圆形锥形计算机断层扫描中重建图像。医学生物学53 4777-807·doi:10.1088/0031-9155/53/17/021
[50] Tikhonov A N 1963错误公式化问题的解决方案和正则化方法Sov。数学。Dokl.4 1035-8号·Zbl 0141.11001号
[51] Tovey R、Benning M、Brune C、Lagerwerf M J、Collins S M、Leary R K、Midgley P A和Schonlieb C 2019有限角度断层成像逆问题的方向正弦图修复35 024004·Zbl 1407.92074号 ·doi:10.1088/1361-6420/aaf2fe
[52] 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.Imaging Sci.1 248-72·Zbl 1187.68665号 ·doi:10.1137/080724265
[53] Wang Y,Yin W和Zeng J 2019非凸非光滑优化中ADMM的全局收敛性。计算78 29-63·Zbl 1462.65072号 ·doi:10.1007/s10915-018-0757-z
[54] Wu C,Liu Z和Wen S 2018用于对比度保持变分信号和图像恢复的通用截断正则化框架:动机和实现科学。中国数学61 1711-32·Zbl 1411.94011号 ·doi:10.1007/s11425-017-9260-8
[55] Wu C和Tai X 2010年ROF、矢量电视和高阶模型的增广拉格朗日方法、对偶方法和分裂Bregman迭代SIAM J.Imaging Sci.3 300-39·Zbl 1206.90245号 ·doi:10.1137/090767558
[56] You J,Jiao Y,Lu X和Zeng T 2019图像恢复中具有极小极大凹惩罚的非凸模型J.Sci。计算78 1063-86·兹比尔1419.94014 ·doi:10.1007/s10915-018-0801-z
[57] 曾C,贾R和吴C 2019图像恢复中非Lipschitz优化的迭代支持收缩算法J.Math。成像视力64 122-39·Zbl 1487.94034号 ·doi:10.1007/s10851-018-0830-0
[58] Zeng C和Wu C 2018关于图像恢复中非中心非光滑正则化的边缘恢复特性SIAM J.Numer。分析56 1168-82·Zbl 1391.49050号 ·doi:10.137/17M1123687
[59] Zeng C、Wu C和Jia R 2019用于脉冲噪声去除图像恢复的Non-Lipschitz模型SIAM J.Imaging Sci.12 420-58·Zbl 1426.49037号 ·doi:10.1137/18M117769X
[60] Zhan R和Dong B 2016利用空间氡域数据驱动的紧框架正则化进行CT图像重建SIAM J.Imaging Sci.9 1063-83·Zbl 1343.92272号 ·doi:10.1137/16M105928X
[61] Zhang X、Bai M和Ng M K 2017基于非凸TV的图像恢复,带脉冲噪声去除SIAM J.Imaging Sci.10 1627-67·Zbl 1382.49013号 ·doi:10.1137/16M1076034
[62] 张毅、董碧、鲁姿2013基于小波框架的图像恢复数学中的0最小化。计算:82 995-1015·Zbl 1277.80022号 ·doi:10.1090/S0025-5718-2012-02631-7
[63] Zheng Z、Wu C和Ng M K 2020提交了一类非Lipschitz模型的全局收敛算法及其在泊松或乘法噪声去除中的应用
[64] Zibetti M V W,Lin C和Herman G T 2018图像重建的全变分优化共轭梯度法反问题34 034001·Zbl 1430.94040号 ·doi:10.1088/1361-6420/aaa49b
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。