吉洪诺夫正则化的matlab函数，可以自己选择参数值，调用即可

文章算法来自王彦飞的论文《数值求解迭代Tikhonov正则化方法的一点注记》

基于MATLAB的Tikhonov正则化超分辨率重建仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

Tikhonov正则化工具箱.7z

Tikhonov正则化超分辨率重建

针对计算鬼成像采样过程中出现的数据扰动及采样次数不易较多所引起的鬼图像质量较差的问题,提出了一种基于Tikhonov正则化的计算鬼成像方法。该方法利用一个表征噪声强度的约束项,将计算鬼成像问题转化为信号误差与噪声强度最小化的数学问题,并利用广义交叉验证法选取合适的正则参数来重构待测物体的鬼像。实验结果表明,所提算法在干扰情况下明显优于传统鬼成像、差分鬼成像和伪逆鬼成像,具有较强的稳定性;在无干扰情况下,也明显优于传统鬼成像、差分鬼成像,且不差于伪逆鬼成像。

test为运行文件

针对移动最小二乘算法在图像变形过程中,求解的线性方程组系数矩阵会出现不可逆、求解不稳定的问题,通过引入Tikhonov正则化,运用L-曲线法求解正则参数,对系数矩阵施加约束项从而得到精确解,避免病态方程组的形成;针对在实现图像变形过程中,定位特征点人工量大且特征点不足的问题,运用Dlib库自动提取68个覆盖人脸五官和轮廓的特征点。仿真实验结果表明,与原算法相比,提出的改进算法可以使图像产生清晰、准确的变形。

具有Tikhonov正则化的收敛非负反卷积算法

matlab精度检验代码（这是manpage.txt的Markdown启用版本，它描述了InvGN ...） ## INVGN-高斯-牛顿反演-1.0版。 西雅图华盛顿大学应用物理实验室的安德鲁·甘斯（Andrew Ganse）撰写。 华盛顿大学（C）2015，通过3条款BSD许可。 有关完整的许可证声明，请参阅LICENSE.txt。 INVGN计算Tikhonov正则化的Gauss-Newton非线性迭代反演，以解决以下阻尼非线性最小二乘问题： minimize ||g(m)-d||^2_2 + lambda^2||Lm||^2_2 For appropriate choices of regularization parameter lambda, this problem is equivalent to: minimize ||Lm||_2 subject to ||g(m)-d||_2<delta (where delta is some statistically-determined noise threshold) 并且： minimize ||g(m)-d||_2