浅谈压缩感知(四):恢复算法

浅谈压缩感知(四):恢复算法

    <div class="postBody">
        <div id="cnblogs_post_body"><p>主要内容:</p>

1、L1 minimization

2、Matching Pursuit

3、Iterative thresholding

4、Total-variation minimization

 

1、L1 minimization

这是一个凸优化问题,类似于统计学中的LASSO。

优化算法有:

特点:

L1最小化的其他形式:

2、Matching Pursuit

匹配追踪:参考http://www.cnblogs.com/AndyJee/p/3849200.html

算法步骤:

特点:

3、Iterative Thresholding

迭代阈值:不断地估计、迭代,直至收敛

算法步骤:

特点:

4、TV Minimization

全变分最小化:TV is short for total variation

对于图像而言,就是图像的梯度(或差分)

特点:

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值