理解ADMM, ALM和Split Bergman 引言Alternating Direction Method of MultipliersAugmented Lagrangian Multipliers小结Splitt Bregman 引言 在图像去模糊，低光照图像增强和去噪等任务时，我们都会引入各种先验或约束项来缓解这些t逆问题（inverse problems）的病态性

TV（Total Variation）降噪 一般情况下，利用全变分降噪能够很好地去除噪声，但是存在着计算复杂度大等问题。这里利用Split Bregman迭代进行TV降噪，不仅实现简单，而且能够大大降低计算的复杂度。 考虑各向异性情况（Anisotropic case） 对于优化问题 min ⁡ u ∣ ∇ x u ∣ + ∣ ∇ y u ∣ + μ 2 ∥ u − f ∥ 2 2 \un

http://blog.csdn.net/celerychen2009/article/details/9058315 对于搞图像处理的人而言，不懂变分法，基本上，就没法读懂图像处理的一些经典文献。当然，这已经是10年之前的事情了。 现在，如果不懂得Bregman迭代算法，也就没法读懂最近几年以来发表的图像处理的前沿论文了。国内的参考文献，基本上都是直接引用Bregman迭代算法本身，而对于其