變量分裂法
變量分裂法(Variable Splitting),解決目標函數是兩個函數之和的優化問題。html
1)其中g是n維向量到d維向量的一個映射。機器學習
變量分裂將上式變爲:ide
問題(2)可能比(1)更容易或高效的解決。函數
2)L是一個線性算子。學習
即優化
利用增廣拉格朗日方法,獲得:ui
半二次方分裂-Half Quadratic Splitting(HQS)
通常是將正則項中的原始變量進行變量替換,而後增長拉格朗日乘子項和二次懲罰項,這麼作的目的是,去耦合的同時,簡化計算。spa
圖像復原中,目標函數爲:.net
前一項爲保真項(fidelity),後一項爲懲罰項,通常只與去噪有關。3d
引入輔助變量Z,把懲罰項的x替換爲Z。
懲罰參數:
迭代求解:如下兩式。
【轉載自】
變量分裂法(Variable Splitting) - 機器學習與遙感圖像智能信息處理 - CSDN博客 https://blog.csdn.net/bingecuilab/article/details/47208895
Learning Deep CNN Denoiser Prior for Image Restoration閱讀筆記 - smartweed - 博客園 https://www.cnblogs.com/smartweed/p/10444039.html