用于层析成像的广义行作用法
最优化与控制
2013-11-05 v2 数值分析
摘要
行作用法在层析图像重建中起着重要作用。许多此类方法可视为最小化大量凸函数之和的增量梯度法，尽管它们的全局收敛速率相对较差，但这些方法通常表现出快速的初始收敛，这在可接受低精度解的应用中是理想的。在本文中，我们提出了一类增量近端梯度法的松弛变体，这些变体推广了许多现有的用于层析成像的行作用法。此外，它们使我们能够推导出新的层析成像增量算法，通过正则化纳入不同类型的先验信息。我们通过一些数值算例证明了该方法的有效性。
引用
@article{arxiv.1307.0775,
title = {Generalized Row-Action Methods for Tomographic Imaging},
author = {Martin S. Andersen and Per Christian Hansen},
journal= {arXiv preprint arXiv:1307.0775},
year = {2013}
}