将总变分(TV)正则化应用到逆问题中Total Variation Regularization

如题，下面的网址演示了如何将总变差正则化（TV Total Variation Regularization）添加到逆问题（ inverse problem ）中，以便在重建模型中增强块性。
使用了the generalizated Split Bregman iterations求解。

网址：Total Variation (TV) Regularization — PyLops

第一个例子是关于噪声污染的分段阶跃函数的去噪。
第二个例子是二维图像上，重复同样的练习。在本例中，模拟了一个医学成像问题:通过对输入模型应用二维傅里叶变换并随机采样60%的值来创建数据。

该示例使用的是python语言，文末有代码。

（此外pylops主页提到一个matlab线性工具箱：Spot – 线性操作工具箱）

========================================
其他TV相关：
DECONVTV: MATLAB implementation for fast total variation solver
（全变分正则化最小二乘反褶积是最标准的图像处理问题之一。这个包提供了使用增广拉格朗日概念的当前最先进算法的实现，它可以被认为是众所周知的交替方向乘数法(ADMM)的一个变体。deconvtv的用户界面与当前MATLAB的反卷积工具相同，包括deconvwnr, deconvlucy，和deconvreg:）

主要解决了如下式所示问题：
包含三个示例：Image Denoising，Image Deblurring和Video Disparity Refinement