ADMM-IDNN：基于交替方向乘子法的群先验非凸压缩感知迭代双重加权核范数算法
图像与视频处理
2020-05-26 v4
摘要
基于群先验的正则化方法在各种图像处理任务中取得了巨大成功，这通常可以被视为一个低秩矩阵最小化问题。作为低秩的广泛使用的代理函数，基于核范数的凸代理通常会导致过度收缩现象，因为核范数会同时收缩秩分量（奇异值）。在本文中，我们提出了一种新颖的基于群先验的非凸图像压缩感知（CS）重建框架，该框架使用一系列包含常见凹性和单调性性质的非凸核范数函数。为了求解由此产生的非凸核范数最小化（NNM）问题，我们通过交替方向乘子法（ADMM）框架开发了一种基于群的迭代双重加权核范数算法（IDNN）。我们提出的算法可以将非凸核范数优化问题转化为双重加权奇异值阈值（DSVT）问题。大量实验表明，与当前最先进的凸方法相比，我们提出的框架实现了良好的重建性能。
引用
@article{arxiv.1903.09787,
title = {ADMM-IDNN: Iteratively Double-reweighted Nuclear Norm Algorithm for Group-prior based Nonconvex Compressed Sensing via ADMM},
author = {Yunyi Li and Fei Dai and Yu Zhao and Xiefeng Cheng and Guan Gui},
journal= {arXiv preprint arXiv:1903.09787},
year = {2020}
}
备注
This is a raw manuscript, and all the authors agree to revise and improve it in the method, theory and experiments