迭代软阈值算法（Iterative soft thresholding algorithm, ISTA）

迭代软阈值算法用于求解如下的稀疏信号重构问题：

理解猛皮ISTA算法的由来，需要从几块内容着手：

MM 是一个应对优化问题的思想框架，它通过迭代的方式求解一个无约束待优化问题 。 其主要思路为，在第步迭代（假设上一步求得 ），通过寻找另一个容易优化求得全局最优（极小）的函数 ，使其满足

然后，将的极小值点作为新的迭代值 。这样，可以保证

即保证每步迭代都能使目标函数的值下降。

一种很好用的构造的方法，是在原始函数上加入一个半正定的的二次型，如下所示：

需要满足 。

还有一些其他的的构造方式，对应额外的一些算法，不在此介绍了。

考虑 ，并且枝闹差采用上面的方法进行迭代式的优化求解，那么步骤如下：

考虑求解如下形式的问题 （类似于基于稀疏约弯扮束的去噪）

可以对向量中的每个元素单独求解，即

通过求梯度为 0 的点可得

通过上式可以反求出

将对的这个 *** 作叫做软阈值函数，记为 。

即，问题 (2) 的解为 。

求解如下问题

参考： http://eeweb.poly.edu/iselesni/lecture_notes/sparse_signal_restoration.pdf

不是一种，迭代求图像最佳分割阈值在运算 过程中要对整幅图片进行计算来获得阈值，这个阈值不是察毁很准确； 最大类间方差法由大津于 1979 年提出，该算法恰恰弥补了迭代法求阈值的败颂备这一弱点,最大类间方差法是基于整幅图像的统计特性，实现与阈值的自动选取。当被分割的两类类间方差最大时，此灰度值就作为图像二值化处理的阈值。大津定律应用广泛，在很多领域都得到樱唯了应用和发展。

还行吧,要是用c编的话强一点，用matlab编就比较慢。主要问题是迭代条件的设定，一般这个中辩岩经验参数要恰到好处，不然达不到效果。如果图卖御片中目标点数和背景点占的灶渗比例比较固定，这个方法还是不错的

---