欧拉弹性模型的快速线性化增广拉格朗日方法

近年来,涉及高阶导数的许多变分模型已被广泛用于图像处理中,因为它们可以减少噪声消除期间的阶梯效应。 但是,构造有效的算法以获得原始高阶泛函的极小值是非常具有挑战性的。 在本文中,我们为欧拉的弹性图像去噪模型提出了一种新的线性化增强拉格朗日方法。 我们详细介绍了寻找增强拉格朗日函数的鞍点的过程。 代替通过FFT或线性迭代方法(例如,Gauss-Seidel方法)求解关联的线性系统,我们采用线性化策略来获取迭代序列,从而降低计算成本。 此外,我们对所提出的方法进行了一些简单的复杂度分析。 实验结果与以前的方法进行比较,以证明该方法的有效性,并表明这种线性化的增强拉格朗日方法更适合处理大尺寸图像。