全变分图像理解（使用split bregmen方法求解）

https://zhuanlan.zhihu.com/p/93350544

微分方程数值求解——有限差分法 - 知乎 (zhihu.com)(238条消息) 经典全变分图像去噪算法（tv算法）公式推导与MATLAB实现_一九九六年秋_的博客-CSDN博客_全变差图像去噪

 全变分图像去噪的求解方法理解：(254条消息) 泛函分析之梯度下降流_阿兵-AI医疗的博客-CSDN博客_梯度下降流

具体实现推导：(254条消息) 全变分（TV）模型原理与C++实现_cyh706510441的博客-CSDN博客_tv正则化原理

具体代码实现：

(254条消息) 【图像处理】全分发TV图像去噪_xiaowei_cqu的博客-CSDN博客_tv去噪

(254条消息) 全变分图像去噪算法（TV）_全变分去噪_Nirvana；的博客-CSDN博客x

  split bregman算法的理论和代码(269条消息) Split Bregman迭代进行TV降噪介绍及MATLAB实现_YHCANDOU的博客-CSDN博客_split bregman isotropic

 bregman算法收敛思路（主要来源于文章《Bregman Algorithms》）：

Bregman Distance（divergency）：

如果u=v的时候，等于0.

bregman算法如下

 通过Proposition 3.2. Monotonic decrease in H，保证单调减小到最优值。

通过Proposition 3.3 保证减小的速度。

Proposition 3.4.保证也减小，进而保证uk趋向于最优值。

 

 

 

 

下面是split bregman算法用于全变分图像去噪的理解

参考两篇文章：

《Bregman Algorithms》
《The Split Bregman Method for L1-Regularized Problems》

下面解释了公式4.2是怎么来的：

欧拉拉格朗日方程的截图如下：

欧拉拉格朗日方程目的是解决泛函的极值问题，构造出在时间变化很小的情况下，L函数的变化量，因为取得极值的时候，=0，进而可以得到。令=L，就可以得到公式4.2。

问题1：

上面的式子的等式左边为什么满足高斯赛德尔迭代公式？ 

下面给出了问题1的答案：

 和 都是对角占优的矩阵，满足高斯赛德尔的条件。

问题2：

代码实现：

(259条消息) Split Bregman迭代进行TV降噪介绍及MATLAB实现_YHCANDOU的博客-CSDN博客_split bregman isotropic

一些补充知识：

傅里叶变换时域卷积和频域乘积：(265条消息) 傅里叶变换时域卷积和频域乘积_SilenceHell的博客-CSDN博客_时域的乘积对应频域卷积的公式