一种用于稀疏信号恢复的尺度不变方法
数值分析
2019-08-19 v4 计算机视觉与模式识别
数值分析
摘要
本文中，我们研究与范数之比（记为）以诱导稀疏性。由于非凸与非线性，这一尺度不变模型很少受到关注。与文献中流行的模型如的模型和变换（TL1）相比，该比值模型是无参数的。在理论上，我们提出强零空间性质（sNSP）并证明在此sNSP条件下，任意稀疏向量都是模型的局部极小元。在计算上，我们关注一个可通过交替方向乘子法（ADMM）求解的约束形式。实验表明所提方法在稀疏恢复中与最先进的方法相当。此外，还讨论了将模型应用于梯度的变体，并给出了MRI重建的概念验证示例。
引用
@article{arxiv.1812.08852,
title = {A Scale Invariant Approach for Sparse Signal Recovery},
author = {Yaghoub Rahimi and Chao Wang and Hongbo Dong and Yifei Lou},
journal= {arXiv preprint arXiv:1812.08852},
year = {2019}
}
备注
24 pages