胡海昌的变分学（学习变分的经典入门）

本文提出了特征变分多尺度(C-VMS)方法来解决二维(2D)对流占优的对流-扩散-React问题。 该方案将特征方法与变分多尺度(VMS)方法相结合,以创建C-VMS程序。 获得了C-VMS方法的稳定

提出一种重加权总变分与hyper-Laplacian相结合的图像盲复原算法。首先,通过重加权总变分先验重建模糊图像权重的双峰分布;然后,利用重建后的图像估计连续且稀疏分布的点扩展函数,并用其复原模糊图

针对小波阈值去噪容易造成边缘模糊以及全变分去噪对图像平滑区域去噪不充分的问题,提出一种全变分和小波阈值相结合的去噪方法。首先利用两种方法分别对图像去噪,然后通过小波变换分解去噪后的图像,将全变分去噪分

全变分去噪算法能够很好地保留图像边缘和细节信息，但在图像平滑区域会产生严重的阶梯效应，而邻域线性回归滤波器可以避免产生阶梯效应。针对这一点，提出一种抑制全变分阶梯效应的新方法。该方法利用改进的高斯函数

本文主要研究了全变分图像去噪问题.全变分图像去噪是目前图像去噪的主要方法之一，它的解属于有界变差函数类，允许有不连续点，因此用全变分去噪模型恢复图像能够有效的保持边界，有利于图像的后期处理

tensorflow-mnist-VAE,MNIST变分自动编码器的Tensorflow实现用于MNIST的变分本文介绍了一种用于MNISTdescripbed的变分自动编码器(VAE)的实现方法：基

变分同化研究中最速下降算法的一个改...................................................................................

为了有效抑制噪声，获得更好的视觉效果，提出了一种基于混合变分模型的图像去噪方法。将调和模型和全变分模型进行融合，增强模型的去噪性能，根据自适应选取组合系数，组合系数较大时偏向于全变分模型，较小时偏向于

经典书籍，帮助入门图像处理中的许多计算问题

已经提出了多种交替方向方法来解决一类优化问题。 计算机断层扫描（CT）中的应用程序在图像重建中表现良好。 在l1-范数和总变化最小化中将重加权方案应用于信号和图像恢复，以提高算法的收敛性。 在本文中，