全变差图像复原问题(Total Variation Image Restoration Problem)

本文主要讨论图像处理中的全变差图像复原问题，首先简要介绍一下数字图像复原问题：
令 $x\in {\mathcal{R}}^n$表示一个二维图像，令$n=n_1\cdot n_2$表示该图像的所有像素，其中$n_1$ 和$n_2$分别表示水平和竖直方向像素的数量。图像复原问题是从退化了的图像(记为$x^0$)复原出原图(记为$\overline{x}$)，数学模型如下：
$$x^0=K\overline{x}+\omega$$
其中，$\omega \in {\mathcal{R}}^m$表示加性噪声，$K:\mathcal{R}\to {\mathcal{R}}^m$表示一个线性变换(eg: 模糊核的卷积)。由于该模型通常是病态的，所以需要一定的正则化技术。其中最受欢迎的正则化技术是全变差正则，主要是因为它能够保持图像的边缘。令${\partial }_1:{\mathcal{R}}^n\to {\mathcal{R}}^n$和${\partial }_2:{\mathcal{R}}^n\to {\mathcal{R}}^n$分别表示水平和竖直方向上的有限差分算子。令$\nabla :=({\partial }_1,{\partial }_2)$表示梯度算子。考虑以下$TV-l^2$模型：
$$\min \Vert |\nabla x|{\Vert }_1+\frac{\mu }{2}\Vert Kx-x^0{\Vert }^2$$
其中$\mu >0$是全变差正则化项和数据保真项之间的权衡常数，并且$l^1-norm\Vert |\cdot |{\Vert }_1$定义于${\mathcal{R}}^n\times {\mathcal{R}}^n$上
$$\Vert |y|{\Vert }_{}$$