SPF正则化方法的算法通用性
最优化与控制
2019-09-13 v1
摘要
促进稀疏性函数（SPFs）常用于优化问题中，以寻找在某些基下被假设或期望为稀疏的解。例如，l1正则化变分模型和Rudin-Osher-Fatemi全变分（ROF-TV）模型分别是信号和图像去噪中最著名的变分模型之一。然而，近期工作表明凸性在促进稀疏性函数中并非总是可取的。在本文中，我们用其诱导的非凸SPFs替换凸SPFs，并通过探索非凸SPFs的内在结构为所得模型设计算法。我们还给出了仿真，说明了SPF及所设计算法在图像去噪中的性能。
引用
@article{arxiv.1909.05419,
title = {Algorithmic Versatility of SPF-regularization Methods},
author = {Lixin Shen and Bruce W. Suter and Erin E. Tripp},
journal= {arXiv preprint arXiv:1909.05419},
year = {2019}
}
备注
23 pages, 10 figures, 3 tables