基于譜共軛梯度法的圖像極小化去噪模型算法
發(fā)布時(shí)間:2021-05-09 18:44
提出一種新的不依賴線搜索的譜共軛梯度算法,證明了新算法的全局收斂性。通過含有參數(shù)泛函的極小化去噪模型結(jié)合新的譜共軛梯度算法,從而達(dá)到恢復(fù)噪聲圖像的目的。數(shù)值實(shí)驗(yàn)結(jié)果表明,新算法在收斂速度和迭代次數(shù)等方面均有較好的數(shù)值結(jié)果,同時(shí)也能起到較好的圖像去噪效果。
【文章來源】:廣東石油化工學(xué)院學(xué)報(bào). 2019,29(03)
【文章頁數(shù)】:5 頁
【文章目錄】:
1 譜共軛梯度算法
2 新的譜共軛梯度算法
2.1 新算法提出
2.2 兩個(gè)引理
2.3 全局收斂性
3 數(shù)值實(shí)驗(yàn)
4 結(jié)語
【參考文獻(xiàn)】:
期刊論文
[1]一個(gè)PRP型共軛梯度法的收斂性[J]. 黃海,林穗華. 西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(03)
本文編號:3177826
【文章來源】:廣東石油化工學(xué)院學(xué)報(bào). 2019,29(03)
【文章頁數(shù)】:5 頁
【文章目錄】:
1 譜共軛梯度算法
2 新的譜共軛梯度算法
2.1 新算法提出
2.2 兩個(gè)引理
2.3 全局收斂性
3 數(shù)值實(shí)驗(yàn)
4 結(jié)語
【參考文獻(xiàn)】:
期刊論文
[1]一個(gè)PRP型共軛梯度法的收斂性[J]. 黃海,林穗華. 西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(03)
本文編號:3177826
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3177826.html
最近更新
教材專著