利用快速对偶近端梯度方法进行四元数矩阵补全及总变分正则化

《Neurocomputing》:Quaternion matrix completion with total variation regularization utilizing fast dual proximal gradient method

【字体: 大 中 小 】 时间:2026年01月09日 来源:Neurocomputing 6.5

编辑推荐:

  四元数矩阵补全中结合Geman函数与非凸TV正则化,提出ADMM-FDPG高效算法,解决高维数据计算难题,颜色图像补全实验验证有效性。

  
Xu-Yun Xu|Huan Ren|Qiang Niu|Xiang Wang
南昌大学数学与计算机科学学院,中国南昌,330031

摘要

四元数矩阵补全技术旨在从不完整的数据中恢复原始图像,最近在图像和信号处理领域受到了广泛关注。与传统模型仅考虑恢复图像的低秩性不同,我们提出了一种新的模型,该模型结合了Geman函数和各向异性或各向同性总变分(TV)正则化。在通过交替方向乘子法(ADMM)算法解决模型的过程中,我们还采用了快速双近端梯度方法来处理与TV正则化相关的子问题。对彩色图像的数值实验结果证明了所提算法的有效性和可靠性。

引言

矩阵补全问题是数学、统计学、图像处理和机器学习中的一个基本挑战,其目标是从部分观测值中重构完整的矩阵。由于自然数据通常具有低秩结构特性,这个问题通常可以表述为一个约束优化问题:
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号