The Total Variation norm (TV-norm) for removing noise preserves edges well but has the unexpected effect which transforms smooth regions into piecewise constant regions. In this paper, we propose the model which includes the second order differential term to TV-norm that reduces the staircase effect, while preserving sharp jump discontinuous edges. Also this has influence on convergence to the smaller iterations than only TV-norm model. For the convergence of the iteration, the algorithm depends on the choice of these parameters. The optimal values of the parameter $α_1$ is proportional to the amount of noise variance, and the parameter $α_2$ is concerned with the speed of convergence. We solve the denoising problem using the Euler-Lagrange equation and the Newton method.
잡음을 제거하는 문제에 대해 전변동 크기는 가장자리를 잘 보존 하지만 완곡한 영역을 층지게 하는 기대하지 않은 효과가 나타날 수 있다. 그래서 이 논문에서는 전변동 크기에 이계도 항을 포함한 모델을 제시한다. 이것은 가장자리를 여전히 보존하면서 층진 효과를 줄일 수 있다. 또한 전변동 크기만으로 이루어진 모델보다 더 적은 iterations로서 수렴성에 영향을 준다. 수렴성에 대해, 알고리즘은 매개 변수들의 선택에 의존한다. $α_1$ 의 최적값은 잡음의 분산의 양에 따라 비례하고, $α_2$ 는 수렴속도와 관련된다. 우리는 Euler-Lagrange 방정식과 Newton 방법을 이용하여 잡음을 제거하는 알고리즘을 푼다.
