ACQUIRE：一种用于基于TV的泊松图像复原的不精确迭代重加权范数方法
最优化与控制
2019-08-22 v3
摘要
我们提出一种称为ACQUIRE的方法，用于求解建模泊松噪声损坏图像复原的约束优化问题。目标函数为广义Kullback-Leibler散度项与TV正则化项之和，并受非负性以及可能的其他约束（如通量守恒）限制。ACQUIRE是一种线搜索方法，考虑基于类Huber函数的TV平滑版本，并通过利用某些二阶信息构建问题的二次近似来最小化以计算搜索方向。对Kullback-Leibler项使用经典的二阶Taylor近似，对平滑TV项使用迭代重加权范数方法。我们证明该方法生成的序列存在一个收敛到平滑问题极小点的子序列，且任一极限点均为极小点。此外，若问题严格凸，则整个序列收敛。我们注意到，无需精确最小化二次子问题即可实现收敛；数值结果表明，实践中可使用该最小化中的低精度。在参考测试问题上的实验表明，我们的方法在計算效率和图像质量方面均与成熟的基于TV的泊松图像复原方法具有竞争力。
引用
@article{arxiv.1807.10832,
title = {ACQUIRE: an inexact iteratively reweighted norm approach for TV-based Poisson image restoration},
author = {Daniela di Serafino and Germana Landi and Marco Viola},
journal= {arXiv preprint arXiv:1807.10832},
year = {2019}
}
备注
37 pages, 13 figures