基于分裂Bregman全变分算法的金标试纸图像去噪研究

金标试纸定量分析设备采用的去噪算法对金标试纸进行降噪处理效果的优劣,直接影响到金标试纸定量分析的准确度。为了更好地解决金标试纸图像的噪声问题,结合各向同性和异性的扩散原理改进分裂Bregman迭代的全变分算法,利用该算法对林可霉素金标试纸噪声图像进行降噪处理。实验表明,与基于分裂Bregman各向同性全变分(SBITV)、基于分裂Bregman各向异性全变分(SBATV)以及金标试纸定量分析设备最常用的中值滤波算法相比,文中改进的算法克服了SBITV导致的图像边缘模糊问题以及SBATV产生的阶梯效应,既消除了噪声也保留了金标试纸图像的细节信息,获得了优越的降噪性能。在三种噪声的干扰下,本文改进的算法PSNR值比SBITV的PSNR值提高2dB以上;比中值滤波PSNR值至少提高15dB;比SBATV的PSNR值至少提高20dB。

混合Bregman投影算法在Banach空间中分裂不动点问题的强收敛性

在p-一致凸且一致光滑的Banach空间中,利用Bregman投影,构造一新的混合投影迭代算法,逼近Bregman拟严格伪压缩映射不动点集和分裂可行性问题的公共解.目的是将2017年Chen J Z,Hu H Y和Ceng L C的研究结果中的迭代系数α_(n)须满足0<c≤a_(n)≤d<1证明对α_(n)≡1或α_(n)≡0时亦成立.所得的结果是对2017年Chen J Z,Hu H Y和Ceng L C相应结果的拓展和补充.

基于全变分的运动分割模型及分裂Bregman算法

提出了一种基于全变分的运动分割模型,可以适用于2D/3D视频.首先,通过活动轮廓模型将分割与估计融合在同一能量函数中,该模型能够同时进行分割曲面的演化和运动参数的估计.其次,通过凸松弛方法将原始问题转化为等价的全变分模型,克服了局部最小值问题.最后,采用分裂Bregman快速算法进行求解.多组实验证明了本文方法对2D/3D视频的通用性和算法的高效性.

基于分裂Bregman方法的全变差图像去模糊

针对全变差图像去模糊问题,提出一种基于分裂Bregman方法的全变差图像去模糊算法,利用分裂Bregman方法来优化其求解问题模型.首先,利用辅助变量及其二次惩罚泛函把全变差去模糊优化问题转化为一个等价的无约束优化问题;其次,基于Bregman迭代将其分解为两个子优化问题采用交替最小化方法进行求解;最后,根据子问题结构特点,采用离散傅立叶变换及收缩技术实现子优化问题的快速计算.实验结果表明,在不同尺寸模糊核条件下本文算法能获得有效、稳定的图像复原结果,相比FTVd、IRN去模糊方法,本文算法复原效果更好,计算更加快速.

稀疏性正则化的图像泊松恢复模型及分裂Bregman迭代算法

生物医学、天文等成像系统通常会受到泊松噪声的干扰,基于图像在过完备字典下的稀疏表示,在贝叶斯最大后验概率估计框架下,建立了针对泊松噪声的稀疏性正则化图像恢复凸变分模型,采用负log的泊松似然函数作为数据保真项,模型中非光滑的正则项约束图像表示系数的稀疏性,并附加恢复图像的非负性约束.进一步,基于分裂Bregman方法,提出了求解该模型的多步迭代快速算法,通过引入辅助变量与Bregman距离,可将原问题转化为两个简单子问题的迭代求解,大幅度降低了计算复杂性.实验结果验证了本文模型与数值算法的有效性.

基于分裂Bregman算法的玉米种子品种识别(英文)

玉米品种的纯度和玉米产量密切相关,因此玉米品种的筛选对提高粮食产量具有非常重要的作用。基于机器视觉的自动品种筛选技术通常分为图像分割、特征获取和分类等三步。图像分割的精度直接决定了种子识别准确度。在众多的图像分割技术中,本研究尝试将图像分割变分模型及其对应的数值求解方法-分裂Bregman算法应用于玉米种子自动识别中。该方法具有精度高,分割边界封闭连续等有利于玉米特征提取的优点。此外,本文还将自适应小波配置法用于求解分裂Bregman算法中的最优条件,得到一种更为精确高效的分裂Bregman算法。进而结合改进分裂Bregman算法得到的不同玉米品种特征和支持向量机技术得到了一种新的玉米品种分类器。采用该方法对玉米品种农大108和鲁丹981进行实验,识别精度分别达到97.3%和98%,相对于由其他分割方法得到的分类结果精度(95%)要高。

图像去噪LOT模型的分裂Bregman方法

基于分裂Bregman方法具有较快的收敛速度以及在迭代过程中保持正则化参数为一个常数的优点,提出用分裂Bregman方法来解图像去噪LOT模型的第2步.实验表明,与原始的梯度下降法相比较,该算法具有较快的收敛速度,又能较好地复原图像.

一种新的去噪模型的分裂Bregman算法

该文在研究两步模型的基础上,提出了一种新的变分去噪模型。通过分析新模型的性质,给出一种高效且快速的数值算法。由于新模型耦合了两个变量,因此新算法首先利用交替极小化方法化原模型为两个简单的子模型,然后再对两个子模型分别利用分裂Bregman方法进行数值求解。实验结果表明,新算法不但收敛速度较快,而且在去噪过程中能够减缓阶梯效应并能较好地保持图像的边缘信息。

L1投影问题的分裂Bregman方法

为了解决一般的L1投影问题,提出交替分裂BregmanL1投影算法,并给出了算法的收敛性分析和证明.该算法适用于宽泛的L1投影的线性逆问题,以全变差投影为例,该算法比目前所提出的对偶投影算法收敛速度更快,图像恢复的质量更高.通过图像去噪、去模糊和修补的实验结果表明,相比于目前的对偶投影算法,不论是信噪比还是视觉效果,该算法的结果更优.

一种基于分裂Bregman方法求解的锥束CT图像迭代重建

目的为精确且快速进行低剂量稀疏角度锥束CT图像重建,本文提出一种基于分裂Bregman数学方法的紧框架约束的图像重建算法。方法首先选择紧框架(Tight Frame)作为正则化项,根据压缩感知原理建立最小化目标函数,利用分裂Bregman数学方法将求解问题分为3步:(1)使用改进的前向投影算法快速计算出投影矩阵;(2)引入中间量,用分裂Bregman原理将无法直接差分的L1正则化问题转化为可直接差分的L2正则化问题,并利用共轭梯度算法求解;(3)利用分裂Bregman原理中的收缩公式更新中间量。结果仿真和实际重建的CT图像实验表明,相比于传统的带有正则化约束的凸集投影(POCS)代数迭代重建模式,分裂Bregman方法在图像保真和计算时间等方面均取得了上佳的效果,并且具有广泛的适用性。结论在稀疏角度锥束CT图像迭代重建条件下,本文提出的方法能够快速精确重建出满意的锥束CT图像,且图像重建速度和图像质量较凸集投影方法有较大提高。

交替迭代的变分修复模型及其分裂Bregman算法

为对图像的缺损部分进行有效地修复,提出了一种交替迭代的变分修复模型。通过分析新模型的性质,给出一种高效且快速的迭代算法。新方法首先利用交替极小化方法化原问题为两个去耦的次问题,然后对两个次问题再分别利用分裂Bregman方法进行数值求解。实验结果表明,本文所提出的新算法不但修复效果较好,而且修复速度较快。

基于Wasserstein距离和分裂Bregman方法的图像分割算法

针对基于C-V模型的活动轮廓分割算法无法应用于灰度非均匀图像分割的问题。采用Wasserstein距离作为区域直方图相似性测度,提出基于该测度的非参数活动轮廓分割模型。在模型求解时引入全局凸分割和分裂Bregman方法,减少了计算量。大量实验结果表明该模型不依赖初始轮廓曲线的位置,能够对灰度非均匀图像进行较准确的分割,具有较快的运算速度。

加权变分去噪模型的分裂Bregman算法

针对求解加权变分去噪模型时大量迭代导致计算速度缓慢的问题,为提高运算速度,在加权变分去噪模型中引入分裂Bregman算法。实验表明,与梯度下降法相比,该算法迭代次数少、处理过程快,极大地缩短了运算时间,并且保持了较好的去噪效果。

修正ROF模型的分裂Bregman算法

ROF去噪模型对高斯噪声有很好的去除效果,但并不适合处理泊松噪声。该模型会造成含泊松噪声图像的边界模糊。针对泊松噪声类型,文献上提出了修正ROF模型。分析了修正ROF模型解的存在性和唯一性。采用逐步线性化的方法处理该模型具有强烈非线性的保真项,克服了其求解上的困难,并应用分裂Bregman算法,使得该模型可以快速求解。数值实验结果表明,该算法较好地保留了图像亮度较弱部分的细节信息,对实际CT图像的去噪效果优于传统的ROF模型,且收敛速度快。

基于分裂Bregman迭代的混合正则化重力场反演

针对重力场反演中深度分辨率过低的问题,提出基于混合稀疏正则化联合反演。引入L1多尺度小波和全变差技术,使在剔除干扰异常及规避反演过度聚焦的同时,尽可能地保留深度方向上的分辨率;针对在混合正则化反演中预条件矩阵左乘(求逆)计算量过大的问题,构建新的深度权项实现基于最小分裂Bregman迭代算法快速三维密度反演成像。研究结果表明:本文反演方法可行、有效,具有较强的适应性。

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中,由于敏感度编码(SENSE)重建过程的病态性,当加速因子增大时,其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型,引入一种高效快速的分裂Bregman迭代算法来得到优化解,进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明,与传统TV正则化SENSE重建相比,此算法不但迭代次数少、收敛速度快,而且能够有效消除混叠伪影,提高图像信噪比并减小归一化均方误差.

采用分裂Bregman的空间邻近目标红外超分辨算法

利用红外成像系统跟踪空间邻近目标时,目标在红外像平面的成像相互交叠形成簇状像斑,导致跟踪系统无法有效分辨这些目标。基于稀疏重构的超分辨方法是一种将稀疏重构技术应用于处理邻近空间目标分辨的单帧超分辨方法,能够有效估计目标个数和位置等参数。针对二阶锥规划方法求解基于稀疏重构的超分辨模型计算复杂度大、效率低的问题,提出采用分裂Bregman方法求解该超分辨模型,先通过引入辅助变量将原问题转化为一系列易于求解的子优化问题,然后利用交替最小化方法求解每个子问题,最后分析正则化参数的合理设置,从而实现对超分辨模型的最优化求解。仿真实验结果表明,所提方法能够有效求解基于稀疏重构的超分辨模型,在保证分辨像斑中目标个数和位置参数的前提下,计算耗时缩短了8%,有效提高了求解效率,便于工程实现。

基于分裂Bregman方法的加权频差电阻抗成像算法

加权频差阻尼最小二乘算法引入正则化方法,对病态的敏感矩阵进行修正,克服了背景对成像结果的影响,在背景阻抗不随频率变化时能够反映异物的位置,但当背景的阻抗随着频率的变化而变化时,背景区域的伪影较多,掩盖了异物区域。由于加权频差中,重建两种频率下的阻抗差值具有稀疏性,针对这一特性,引入L1-范数进行约束并采用分裂Bregman方法对其进行优化求解,改善了这一问题。实验结果表明,优化后的加权频差算法能够减少成像中存在的伪影并能进一步提高成像质量。因此,改进的加权频差算法是一种有效的准静态电阻抗成像算法。

基于分裂Bregman算法的全变差图像修复

图像修复是指对一副图像受损或缺失区域的图像内容的重建。全变差正则化是一个有效的恢复锋锐边缘图像的修复方法。本文重点研究了全变差正则化图像修复方法,并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明,基于分裂Bregman算法的全变差图像修复方法是有效的,复原图像在客观评价标准和主观视觉效果方面均有较好表现。

一种基于Contourlet变换与分裂Bregman方法的CT图像重建算法

针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表示方面的局限,本文将Contourlet变换与CT图像重构相结合,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与最小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行最优化求解的CT重建算法。实验结果表明,在投影数较少的条件下,本文算法重构结果在RMSE与UQI方面均优于ART与TV方法,重构图像的边缘细节亦保持良好,且抗噪性能较强,说明本文算法更适合稀疏投影情况下的重建。