BriefGPT - AI 论文速递
·
学习弱凸规则化器以收敛图像重构算法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种通过学习具有预设上界的非凸正则化器的方法，该方法能够产生能够最小化凸能量的变分去噪器。数值实验证明了该去噪器在性能上优于凸正则化方法和BM3D去噪器。学习到的正则化器还可用于求解具有可证收敛性的迭代方案的逆问题。该正则化器在CT和MRI重建中具有很好的泛化性能，并在性能、参数数量、保证性和可解释性等方面与其他数据驱动方法相比具有出色的平衡。
🎯
关键要点
-
提出了一种学习具有预设上界的非凸正则化器的方法。
-
该正则化器能够产生最小化凸能量的变分去噪器。
-
去噪器依赖较少的参数（少于15000个），并具有信号处理的解释性。
-
数值实验表明，该去噪器在性能上优于凸正则化方法和BM3D去噪器。
-
学习到的正则化器可用于求解具有可证收敛性的迭代方案的逆问题。
-
该正则化器在CT和MRI重建中具有良好的泛化性能。
-
在性能、参数数量、保证性和可解释性等方面与其他数据驱动方法相比具有出色的平衡。
➡️
