Resumen

El algoritmo de dirección alternativa no monótona (NADA) fue propuesto recientemente para resolver de manera efectiva una clase de problemas de optimización no suave con restricciones de igualdad y se aplicó a la minimización de la variación total en la reconstrucción de imágenes, pero las imágenes reconstruidas sufren de artefactos. Aunque mediante la regularización -norma se puede retener de manera efectiva el borde, el problema es NP difícil. La -norma suavizada aproxima la -norma como un límite de funciones convexas suaves y proporciona una medida suave de la dispersión en aplicaciones. La regularización de la -norma suavizada ha sido un tema atractivo de investigación en la recuperación de imágenes y señales dispersas. En este artículo, presentamos un algoritmo combinado de regularización de la -norma suavizada y la -norma utilizando el NADA para la reconstrucción de imágenes en tomografía computarizada. Resolvemos el desafío computacional resultante de la minimización de la -norma suavizada. Los experimentos numéricos dem

• Materias:Ecuaciones elípticas Método asintótico Coeficiente variable Moléculas con fuerza Teoría de control óptimo
• Subjects:Elliptic equations Asymptotic method Variable coefficient Molecules with force Optimal control theory
• Palabras claves:Propuesto; Reconstrucción de imagen; -norma suavizada; Algoritmo de regularización; NADA; Experimentos numéricos
• Keywords:Proposed; Image reconstruction; Smoothed -norm; Regularization algorithm; NADA; Numerical experiments