10、流形值数据的变分正则化方法

流形值数据的变分正则化方法

1 单变量Mumford - Shah和Potts问题

1.1 单变量Mumford - Shah正则化

单变量Mumford - Shah正则化可使用动态规划方法实现。以正矩阵的Cartan - Hadamard流形为例，该方法能在去除噪声的同时保留信号的跳跃。在图2.8中，展示了原始信号、添加Rician噪声的数据以及正则化后的信号。

在文献中，牛顿法也被用于解决此问题。梯度下降法收敛速度较快，多数情况下5 - 10次迭代就足够。对于一般的 $p \neq 1$，梯度下降法同样适用。当 $p = 1$ 时，相当于考虑固有中位数和固有绝对偏差，此时可应用次梯度下降法。

为加快动态规划的速度，可使用前一次的输出作为初始化。具体而言，在计算数据 $f_{l + 1:r}$ 的均值迭代时，可将已计算的 $f_{l:r}$ 的均值作为初始猜测。数据项越多，即 $r - l$ 越大，这种猜测通常越准确，能减少所需的迭代次数。

1.2 理论保证

在Cartan - Hadamard流形中，动态规划方案能为单变量Mumford - Shah问题（2.19）和离散Potts问题（2.21）产生全局最小解。

1.3 流程图示

graph LR
    A[原始信号] --> B[添加Rician噪声]
    B --> C[动态规划正则化]
    C --> D[正则化后信号]

2 多变量Mumford - Shah和Potts问题