基于自適應(yīng)復(fù)合正則項(xiàng)的凸優(yōu)化模型及其在圖像處理中的應(yīng)用
發(fā)布時(shí)間:2024-01-08 20:14
基于自適應(yīng)復(fù)合正則項(xiàng)的凸優(yōu)化模型是凸優(yōu)化領(lǐng)域中的一類重要數(shù)學(xué)問題。本文通過改進(jìn)凸優(yōu)化模型的正則項(xiàng),構(gòu)造了全新的正則項(xiàng),從而提出了基于自適應(yīng)復(fù)合正則項(xiàng)的凸優(yōu)化模型。本文應(yīng)用交替方向極小化方法求解凸優(yōu)化模型。在后面的數(shù)值實(shí)驗(yàn)中,我們則將相關(guān)成果應(yīng)用于具體的數(shù)值實(shí)驗(yàn)中,給出了具體的實(shí)驗(yàn)效果,并給出了相關(guān)算法的客觀評(píng)估。本文為有關(guān)正則項(xiàng)和凸優(yōu)化模型的研究建立關(guān)聯(lián)性,相關(guān)成果為未來的正則項(xiàng)凸優(yōu)化模型研究提供了良好的依據(jù)。
【文章頁數(shù)】:45 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 預(yù)備知識(shí)
1.1 問題背景
1.2 基于正則項(xiàng)的改進(jìn)及凸優(yōu)化模型的發(fā)展
1.3 本文的主要研究成果
1.4 下文的主要結(jié)構(gòu)
2 面向結(jié)構(gòu)提取的凸優(yōu)化模型
2.1 基于加權(quán)最小二乘的凸優(yōu)化模型
2.2 基于0正則項(xiàng)的凸優(yōu)化模型
2.3 基于相對(duì)全變分的凸優(yōu)化模型
2.4 基于復(fù)合正則項(xiàng)的凸優(yōu)化模型
3 基于自適應(yīng)復(fù)合正則項(xiàng)的凸優(yōu)化模型
3.1 基于自適應(yīng)復(fù)合正則項(xiàng)的構(gòu)造
3.2 對(duì)應(yīng)的凸優(yōu)化模型
3.3 凸優(yōu)化模型的求解
4 本文算法在凸優(yōu)化中的應(yīng)應(yīng)用
4.1 對(duì)應(yīng)凸優(yōu)化模型的數(shù)值算法
4.2 本文算法在圖像處理中的應(yīng)用
4.2.1 本文算法在圖像光滑中的應(yīng)用
4.2.2 本文算法在高動(dòng)態(tài)范圍中的應(yīng)用
結(jié)語
參考文獻(xiàn)
后記
本文編號(hào):3877596
【文章頁數(shù)】:45 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 預(yù)備知識(shí)
1.1 問題背景
1.2 基于正則項(xiàng)的改進(jìn)及凸優(yōu)化模型的發(fā)展
1.3 本文的主要研究成果
1.4 下文的主要結(jié)構(gòu)
2 面向結(jié)構(gòu)提取的凸優(yōu)化模型
2.1 基于加權(quán)最小二乘的凸優(yōu)化模型
2.2 基于0正則項(xiàng)的凸優(yōu)化模型
2.3 基于相對(duì)全變分的凸優(yōu)化模型
2.4 基于復(fù)合正則項(xiàng)的凸優(yōu)化模型
3 基于自適應(yīng)復(fù)合正則項(xiàng)的凸優(yōu)化模型
3.1 基于自適應(yīng)復(fù)合正則項(xiàng)的構(gòu)造
3.2 對(duì)應(yīng)的凸優(yōu)化模型
3.3 凸優(yōu)化模型的求解
4 本文算法在凸優(yōu)化中的應(yīng)應(yīng)用
4.1 對(duì)應(yīng)凸優(yōu)化模型的數(shù)值算法
4.2 本文算法在圖像處理中的應(yīng)用
4.2.1 本文算法在圖像光滑中的應(yīng)用
4.2.2 本文算法在高動(dòng)態(tài)范圍中的應(yīng)用
結(jié)語
參考文獻(xiàn)
后記
本文編號(hào):3877596
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3877596.html
最近更新
教材專著