提出了一种名为迭代最小二乘法（ILS）的新全局优化方法，可用于高效的边缘保留图像平滑，并能通过 GPU 加速从而显著提高处理速度。实验结果表明该方法在处理高质量图像时具有较少的可见伪影。

Mar, 2020

本文提出了一个非凸非光滑优化框架，其核心在于引入了截断的 Huber 惩罚函数来实现不同的平滑化效果，并展示了该方法在图像平滑处理中的有效性和优越性能。

Jul, 2019

本研究提出了一种结构保留超分辨率的方法，利用图像的梯度图来指导恢复，同时使用梯度损失和图像空间损失函数，帮助生成网络更加注重几何结构。实验结果表明，该方法在恢复结构的同时生成了自然的高清图片，并且在感知度和峰值信噪比等指标上表现出色。

Mar, 2020

该研究通过探讨压缩感知和稀疏恢复问题等特定领域中的迭代算法，证明了使用共轭梯度法来解决二次优化问题可以在保证收敛的同时显著提高其复杂度，并发现 IRLS 方法在大维度情况下可以优于 IHT 和 FISTA 等一阶方法，并且在所需测量 fewer 的情况下仍可以恢复稀疏向量。

Sep, 2015

本文提出了一种基于结构张量的新的直接边缘导向图像超分辨率算法，使用各像素的各向同性高斯滤波器计算结构张量，根据其特征值将像素分为统一区域、角落和边缘三个不同类别，通过结构张量切线特征向量，确定边缘方向并用于沿边缘插值，与部分以前的边缘导向图像插值方法相比，该方法在客观和主观方面都达到了更高的质量。此外，该算法不需要优化处理即可实现更高的速度。

Feb, 2014

本文介绍了一种基于 self-example prior 和 Multi-Scale Latent Structures 的盲图像去模糊算法，该算法在图像金字塔上从粗到细地重建清晰图像，并利用快速本地自匹配、加速的核估计和快速非盲图像去模糊等方法来实现更低的计算复杂度。该算法在处理非均匀盲图像去模糊问题时表现出了竞争性的性能。

Jun, 2019

提出一种新的算法来恢复数据，该数据符合多个异构低维结构，并专注于同时为行稀疏和低秩的数据矩阵，该算法能够利用两种结构。

Jun, 2023

提出了一种基于学习的稀疏和低秩约束的图像恢复新优化算法，并将其和现有算法进行了比较和评估。

Apr, 2023

通过扩散模型结合曲率正则化、全局结构感知正则化和不确定性引导正则化等技术，在低光图像增强问题上取得突破性进展，提高了图像质量、噪声抑制和对比度放大的效果。

Oct, 2023

该研究提出了一种新颖的优化策略，用于分析图像正则化下的图像重建任务，推动在一些学习转换域中稀疏和 / 或低秩解，并通过学习网络实现了较高性能。

Aug, 2023