能量泛函优化方法
my_chen_smile
计算机视觉
展开
-
能量泛函优化方法——L2范数(应用于图像处理)
在深度学习大火的今天,熟不知以前的图像处理方法大都还是使用能量泛函优化的方法,即使是今天依然有着深度学习不可取代的魅力。要想学习,基础的优化方法必不可少。先说说传统的图像处理方法包括图像超分,图像去模糊,图像去噪等,现在一些有意思的应用比如去雨、去雾、去霾、去云等等。在深度学习之前解决这类问题最流行的方法是基于MAP的框架的优化方法。先说说,如何求解这类数据项加先验项的问题。首先说说对于L2范数...原创 2018-11-17 21:15:54 · 6472 阅读 · 2 评论 -
图像处理能量泛函优化——L1范数正则化项,软阈值公式
接上篇更新的L2范数求解的问题,接着讲L1范数更新的问题L1范数正则化项又称为拉布拉斯先验。带有L1正则化项的问题是图问题,求解相对简单,具有闭式解。其求解就是著名的软阈值公式。问题 x =argminxρ2∥x−b∥22+λ∥x∥1\textbf{ x } = \arg \mathop {\min }\limits_\textbf{x} \frac\rho{2}\l...原创 2018-12-01 17:03:04 · 5150 阅读 · 6 评论