MPTV：基于匹配追踪的全变分最小化用于图像去卷积
计算机视觉与模式识别
2018-12-26 v1
摘要
全变分（TV）正则化通过对图像锐利边缘的优先加权，已证明对一系列计算机视觉任务有效。然而，现有的基于TV的方法常受到由同质惩罚引起的过度平滑问题和解偏差的困扰。在本文中，我们考虑通过对不同图像分量施加非正则化来解决这些问题。我们将非齐次TV最小化问题表述为一个凸二次约束线性规划问题。基于这一新模型，我们提出了一种基于匹配追踪的全变分最小化方法（MPTV），专门用于图像去卷积。所提出的MPTV方法本质上是一种割平面法，它迭代地激活非零图像梯度的子集，然后仅针对那些被激活的梯度求解一个子问题。与现有方法相比，MPTV对数据拟合与正则化之间权衡参数的选择较不敏感。此外，MPTV的非齐次性减轻了过度平滑和振铃伪影，并提高了对模糊核中误差的鲁棒性。在不同任务上的大量实验证明了所提方法相对于当前最先进方法的优越性。
引用
@article{arxiv.1810.05438,
title = {MPTV: Matching Pursuit Based Total Variation Minimization for Image Deconvolution},
author = {Dong Gong and Mingkui Tan and Qinfeng Shi and Anton van den Hengel and Yanning Zhang},
journal= {arXiv preprint arXiv:1810.05438},
year = {2018}
}