通过总变分最小化实现图像恢复的递归SURE方法

摘要： 近年来，总变分正则化已成为图像去噪和反卷积的标准技术，甚至是一项基础工具。通常，恢复质量强烈依赖于正则化参数的选择。本研究基于特定重建算法，开发了用于参数选择的Stein无偏风险估计（SURE）递归评估方法，使我们能够监测迭代过程中均方误差（MSE）的变化趋势。特别地，为处理大规模数据，我们提出了一种无需显式矩阵运算的蒙特卡洛模拟方案来实现SURE的实际计算。实验结果表明，所提出的递归SURE方法能实现正则化参数的高度精确估计，并在MSE指标上达到近乎最优的复原性能。