求解各向异性扩散LLT模型的新的图像去噪算法

基于四阶各向异性扩散的图像去噪LLT模型,提出了一种修正不动点迭代算法. 该算法以最速下降方向为搜索方向,以避免直接计算逆矩阵,减小了舍入误差,提高了算法的收敛速度.利用矩阵的谱性质证明了该算法的收敛性. 数值实验结果表明：对于256×256的“Lena”图像,在标准差为15的高斯白噪声情况下,本文提出的算法将信噪比由SNR=11.208 8提高到SNR=16.511 1.     

约束问题修正BFGS方法的局部超线性收敛性

将Li—Fukushima提出的求解无约束最优化问题的修正BFGS法加以改进，应用于求解等式约束最优化问题。该方法的主要优点在于其迭代矩阵总保持对称正定。在一定的条件下，证明该方法具有局部超线性收敛性。     

非光滑方程光滑Broyden方法的全局收敛性

考虑方程Ｆ（ｘ）＝０。其中Ｆ：Ｒ＾ｎ→Ｒ＾ｎ是局部Ｌｉｐｓｃｈｉｔｚ连续但不可微的,对上述方程提出了光滑Ｂｒｏｙｄｅｎ方法,即利用一光滑函数ｆ（ｘ,ε）逼近非光滑函数Ｆ（ｘ）,每一步用Ｂｒｏｙｄｅｎ公式计算修正矩阵,并进行适当的线性搜索,在产的条件下,给出了算法的全局收敛性。     

基于改进的Chambolle对偶迭代的图像分割方法

为了克服基于对偶迭代的分割方法在要求达到较高精度的分割时收敛较慢的缺点, 提出了对二相位分片常数Mumford-Shah模型的一个子问题采用改进的Chambolle对偶迭代进行求解. 通过对Chambolle对偶迭代和一种修正对偶迭代分别进行局部傅立叶分析, 证明了所提出的算法的合理性. 实验结果表明: 对于two-cell图像， dot256图像, 当终止准则精度要求更高时, 提出的算法迭代步数少, 收敛更快.     

图像去噪LOT模型的分裂Bregman方法

基于分裂Bregman方法具有较快的收敛速度以及在迭代过程中保持正则化参数为一个常数的优点, 提出用分裂Bregman方法来解图像去噪LOT模型的第2步. 实验表明, 与原始的梯度下降法相比较, 该算法具有较快的收敛速度, 又能较好地复原图像.     

解约束优化问题的一种信赖域方法

提出了一种解约束光滑优化问题的依赖域方法，并给出了算法的全局收敛性。