暗通道约束和交替方向乘子法优化的湍流图像盲复原

为提高湍流退化图像的复原效果,针对盲复原算法在最大后验概率框架下,使用梯度分布先验信息约束容易求得模糊平凡解的问题,提出了一种暗通道约束和交替方向乘子法优化的湍流图像盲复原算法。基于多尺度的思想,在每一层尺度上,对图像施加暗通道先验约束,对点扩散函数施加非负性约束和能量约束。对采用坐标下降法交替迭代估计当前尺度下的模糊核和图像,当达到最大尺度时,得到最终估计的模糊核。结合总变分模型,采用交替方向乘子法优化实现图像细节快速恢复。实验结果表明,新算法使用的先验信息约束,有利于得到清晰解,在总变分模型下能收敛到全局最优解,可以有效抑制图像复原过程中产生的伪迹,恢复出更好的目标图像细节。

一种基于稀疏正则化的地下水点污染源识别法

提出了一种基于稀疏正则化的方法识别地下水点污染源。首先,对地下水一维对流-弥散方程时域有限元格式进行拉普拉斯变换得到频域方程,然后建立以l1范数项为约束的地下水点污染源识别问题的目标函数,从而克服空间分布稀疏的点污染源识别问题的不适定性;接着,利用交替优化法进行迭代求解。研究结果表明,所提方法能在噪声条件下有效识别地下水点污染源的位置和强度变化。

基于稀疏正则化的稳态热源识别

热源识别属于热传导反问题,目的在于识别热源的空间位置和强度,及时掌握实际工程结构的热源属性。热源问题一般具有非适定性,即当测量数据不够充分时,识别结果对测量噪声十分敏感。为克服非适定性,需要引入额外的约束条件。考虑点热源在空间上呈现稀疏性的特点,提出了一种新的基于稀疏正则化的点热源识别方法。考虑测量噪声的存在,通过罚函数将测量数据以弱形式施加到目标函数。接着,采用交替优化方法对温度和热源两个分离的变量进行迭代求解,并提出了一种快速确定正则化参数的阈值法。二维薄板稳态热传导数值算例表明,该方法能快速准确地识别热源的位置和强度,并且具有较好的抗噪性。

基于模态修正策略和稀疏正则化的损伤识别

结构损伤识别问题中,剪切层结构简化带来的模型误差会对识别结果带来不可预料的影响。为了尽可能地减少模型误差的影响,提出了模态改变修正策略。并结合损伤位置的稀疏性,引入稀疏正则化以解决损伤识别反问题的不适定性。此外,为了使稀疏正则化引起的额外计算成本尽可能小,提出了一种解耦的损伤识别目标函数,并用交替优化方法进行求解。文章通过识别结构健康监测标准模型成功验证了所提方法的正确性,并且展示出模态改变修正策略的显著优点:仅需要得知剪切层结构的层数即可利用测量的模态数据进行损伤识别,适用于难以获取实际质量与刚度的真实剪切层建筑的损伤识别。