全部的变化(电视)最小化问题广泛地在图象恢复被学习。尽管许多其他的方法为它的答案被建议了，牛顿方法由于没有集中为最初的明确的表达仍然保持不可用。由禅宗，周和禅宗的以前的研究[15]认为一个规则化参数继续想法与一些成功而是没有柔韧的参数选择增加牛顿方法的集中的领域计划。在这份报纸，我们为一样的最初的电视明确的表达考虑一个homotopy方法并且建议使用曲线追踪适应地选择规则化参数。结果，这个想法帮助实质地在高效地解决TVEuler-Lagrange方程改进以前的工作。一样的想法也象deblurring问题一样为二个另外的方法被考虑，再与获得的改进。数字实验证明我们的新方法为图象恢复柔韧、快，甚至为有大noisy-to-signal比率的图象。
计算数学：英文版
2012年2期
