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.

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。

低信噪比下快速分裂Bregman迭代ISAR超分辨率成像

针对低信噪比条件下的逆合成孔径雷达ISAR(Inverse Synthetic Aperture Radar)超分辨率成像处理问题,提出了一种基于快速分裂Bregman迭代的ISAR超分辨率成像算法。首先,在正则化框架下,将方位分辨率的提高问题转化为一个正则化问题;其次,利用托普利兹矩阵的低位移秩特征和Gohberg-Semencul表示来加速收敛。所提出的算法既利用了分裂Bregman迭代在低信噪比条件下的重构能力,又能保证快速成像。利用仿真和实测数据开展了多项实验,与线性Bregman迭代LBI(Linearized Bregman Iteration)、正交匹配追踪OMP(Orthogonal Matching Pursuit)等现有常用算法的结果进行了比较,结果表明本文算法取得了更佳的成像性能且运行时间相对较短。

自适应分裂Bregman迭代的编码孔径光谱图像重构方法

针对编码孔径光谱成像技术中光谱图像重构质量不高的问题,提出一种自适应分裂Bregman迭代的光谱图像重构方法。构建光谱图像分块重构框架,引入分裂Bregman算法进行逐步迭代逼近求解。在每次迭代的过程中利用图像的估计值构造训练样本,结合改进的K奇异值分解(KSVD)字典学习算法自适应训练更新字典,在多次迭代之后重构出目标光谱图像。仿真实验通过与传统使用梯度投影稀疏重建(GPSR)、正交匹配追踪(OMP)以及两步迭代收缩阈值(TwIST)重构光谱图像的算法进行对比,结果表明利用该方法得到的光谱图像更加清晰,在峰值信噪比和结构相似性上均有明显提高。

基于交替分裂Bregman迭代算法的鲁棒多道预测反褶积方法

将一次波的L_1范数最小化约束引入多道预测反褶积,提出基于交替分裂Bregman迭代算法的鲁棒多道预测反褶积方法。所提方法利用距离算子求解L_1范数最小化优化问题,在整个迭代过程中只需计算一次矩阵求逆,计算复杂度较低。首先介绍了多道预测反褶积方法的数学模型,然后给出鲁棒多道预测反褶积的优化问题,并阐述了交替分裂Bregman迭代算法求解优化问题的步骤。相对于基于迭代重加权最小二乘法的鲁棒多道预测反褶积方法,文中方法在保持多次波压制效果的同时,能进一步提高计算效率;相对于基于最小二乘法的多道预测反褶积方法和基于交替分裂Bregman迭代算法的鲁棒单道预测反褶积方法,文中方法能有效地均衡一次波的保护和多次波的压制。另外,所提方法利用了多道预测反褶积方法的优势,比单道预测反褶积方法能更好地适应海底的起伏变化。模型数据和实际数据测试结果表明:当水层多次波具有周期性时,文中方法能在保护一次波的同时,有效地压制水层多次波,并具有较高的计算效率;当水层多次波的周期性假设得不到很好的满足时,很难对多次波的压制效果进行直观判断。

四元数亚正定系统混参分裂迭代方法

随着四元数的广泛应用,大型四元数结构矩阵方程的求解成为科学计算的重要课题。针对四元数亚正定系统AX=B,在新自共轭正定和斜自共轭分裂迭代(new positive definite and skew-self-conjugate splitting,NPSS)基础上,通过引入双参数和松弛加速技术,构建出两种新的混参分裂迭代格式,即非对称新自共轭正定和斜自共轭分裂迭代(asymmetric new positive definite and skew-self-conjugate splitting,ANPSS),以及超松弛非对称新自共轭正定和斜自共轭分裂迭代(successive over relaxation asymmetric new positive definite and skew-self-conjugate splitting,SANPSS),同时运用四元数矩阵特征值理论,证明了这两种迭代的收敛性,并给出相关参数的取值范围。采用四元数矩阵的复表示方法,在MATLAB环境下实现该系统的数值求解。数值算例表明,多参数的灵活选取,显示出所提混参分裂迭代相比NPSS迭代具有更高的收敛效率。

求解PageRank向量的一种松弛多步分裂迭代方法

基于求解PageRank向量的内外迭代格式,引入一个松弛因子得到一种松弛内外迭代方法。结合已有的多步分裂迭代框架,引入两个不同的松弛因子,提出了求解PageRank向量的松弛多步分裂迭代方法并分析了算法的收敛性。更进一步地,利用松弛内外迭代格式构造了加速投影子空间方法的预处理矩阵,理论分析相关谱分布情况,并给出了松弛多步分裂迭代方法及预处理矩阵中参数的选取准则。几个数值例子验证了松弛多步分裂迭代方法和预处理矩阵的有效性,通过选取合适的松弛因子,与多步分裂迭代方法相比具有更高的运算效率。

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。

基于分裂迭代和模糊算法的采摘机器人控制系统

为了提高采摘机器人定位的准确性,在机器人控制系统图像的处理过程中引入了迭代分裂算法,通过图像的降噪处理提高了果实坐标位置识别的准确性。为了提高机器人机械手移动的精度,在控制系统的设计上引入了PID控制器,并采用模糊算法对PID控制器进行了优化,实现了系统的精准控制。最后,对控制系统的效果进行了测试,结果表明:采用分裂迭代算法可以得到准确的识别果实的成熟度和坐标位置,采用模糊PID算法可以有效提高果实的采摘效率和采摘质量,对于提升高采摘机器人的设计水平具有重要意义。

分裂迭代算法在采摘机器人运动控制中的应用

为了实现对采摘机器人机械臂的精准控制,提出了一种基于分裂迭代算法的采摘机械臂的运动控制系统,并利用分裂迭代算法对机械臂动力学和运动学正、逆问题进行计算求解,实现了对采摘机械臂的精准控制。MatLab仿真试验表明:采摘机械臂从起点到终点关节运动平稳,各关节位移和时间关系符合预期,证实了该方法的可行性。

基于线性Bregman迭代的结构化噪声矩阵补全算法

通过采样部分元素补全低秩矩阵的缺失元素是许多实际应用如图像修复、无线传感网数据收集和推荐系统等经常遇到的一个颇具挑战性的难题.在机器学习领域,这类问题通常能刻画成矩阵补全问题.虽然现有研究针对矩阵补全问题已提出了许多有效算法,但这些算法通常仅限于采样元素要么无噪要么仅含少量随机高斯噪声的补全情形,难以处理实际问题中常见的行结构化噪声.为了解决这个问题,该文首先借助分类器设计中流行的L2,1范数正则化技术来平滑此类噪声,并将该问题建模为一类基于L2,1范数正则化的凸约束优化问题.其次,为了快速有效地求解,我们将向量空间的线性Bregman迭代算法和近邻算子技术拓展到矩阵空间,进一步设计了一种鲁棒的基于线性Bregman迭代的结构化噪声矩阵补全算法(LiBIMC).严格的理论分析证明了LiBIMC迭代算法的不动点正是结构化噪声矩阵补全问题的全局最优解.数值实验结果表明,和已有的矩阵补全算法相比,LiBIMC算法不仅能更好地恢复结构化噪声矩阵的缺失元素,还能精确地辨识出采样矩阵中被污染的元素所在行的位置信息.

基于Bregman迭代的CT图像重建算法

针对大规模集成电路领域CT重建图像的特点,提出TV约束条件下采用l1范数作正则项的重建模型,并给出了基于Bregman迭代的模型求解算法.算法分为两步:1)采用Bregman迭代求解图像的l1范数作为正则项,误差的加权l2范数作为保真项的约束极值问题;2)采用TV约束对1)中得到的重建图像进行修正.算法对TV约束条件下采用l1作正则项的重建模型分开求解,降低了算法的复杂度,加快了收敛速度.算法在稀疏投影数据下可以快速重建CT图像且质量较好.本文采用经典的Shepp-Logan图像进行仿真实验并对实际得到的电路板投影数据进行重建,结果表明该算法可满足重建质量要求且重建速度有较大提升.

低剂量CT的线性Bregman迭代重建算法

针对降低X线源管电流来减少辐射剂量的实现方案所引起的投影图像低信噪比的情况,该文提出一种新的低剂量CT图像重建模型。总的优化目标函数采用泊松噪声的负对数似然函数作为数据保真项,采用待重建图像的稀疏性先验信息作为正则项。保真项能够克服加性高斯模型不能有效刻画噪声性质的缺点,正则化项能够改善测量低信噪比所引起的不适定性。求解过程中采用线性化Bregman迭代格式,将原目标函数分解为变系数的2次优化问题和稀疏性先验去噪问题,其中的2次优化问题中的2次项系数采用变系数计算,能够更好地逼近原始的保真项,从而加快收敛速度。在低剂量扇形束成像的条件下,对仿真模型进行了数值试验,并同传统的滤波反投影算法、极大似然算法和加权2范数重建算法进行了比较,验证了该文算法的有效性。

基于线性Bregman迭代类的多量测向量ISAR成像算法研究

为实现目标回波数据稀疏时的快速稳健ISAR成像,该文在构建多量测向量ISAR回波模型的基础上,利用压缩感知(Compressive Sensing,CS)中的线性Bregman迭代理论,研究了基于线性Bregman迭代类的多量测向量快速ISAR成像算法。该类成像算法共包括4种算法,首先给出此类算法的整体迭代构架、应用条件以及4种方法之间的联系;其次对此类算法的重构性能、收敛性、抗噪性以及正则化参数选择等方面进行全面的比较分析;最后基于实测数据进行ISAR成像,实验结果表明,与传统单量测向量ISAR成像算法相比,该文算法在低信噪比条件下可在更短的成像时间内获得更高的成像质量。

采摘机器人运动目标逼近方法研究——基于分裂迭代和模糊算法

为了解决采摘机器人作业过程中果实振荡造成目标识别不准确的问题,提出了一种针对运动果实的帧间差分法的扰动识别方法,并在帧间差分方法中引入了分裂迭代和模糊控制算法,实现了帧间差分背景图像的分离和子图像的有效聚类。依据该识别方法,对采摘机器人的目标逼近方法进行了改进,从而得到了更加准确的目标空间位置获取方法。为了验证该方法对运动果实目标逼近的有效性,采用虚拟仿真和机器人样机试验相结合的方法,进行了运动果实空间坐标获取和果实采摘试验。结果表明:采用分裂迭代模糊聚类的帧间差分方法,可以有效地对运动目标进行识别,识别误差较低,获得的位置坐标较为准确,可以满足果实采摘机器人的设计需求。

线性互补问题的并行多分裂松弛迭代算法

运用矩阵多重分裂理论,同时考虑并行计算与松弛迭代法,得到一类求解线性互补问题的高效数值算法．当问题的系数矩阵为对角元为正的H-矩阵或对称半正定矩阵时,证明了算法的全局收敛性；该算法与已有算法相比,具有计算量小、计算速度快等特点,因而特别适于求解大规模问题．数值试验的结果说明了算法的有效性．

Hilbert空间中分裂可行性问题的改进Halpern迭代和黏性逼近算法

在无限维Hilbert空间中,提出了求解分裂可行性问题(SFP)的改进Halpern迭代和黏性逼近算法,证明了当参数满足一定条件时,由给定算法生成的序列强收敛到分裂可行性问题的一个解.这些结论推广了Deepho和Kumam近年来的一些结果.

求解增广线性系统的局部多分裂迭代法(英文)

为了在高性能计算机上求解增广线性系统,基于并行多分裂的两种技巧,本文提出一种局部多分裂迭代格式,给出当增广线性系统的矩阵为M -矩阵和H

用基于矩阵正常分裂的迭代法求解长方或奇异线性方程组

本文证明了对于长方或奇异的线性方程组Ax=b,可以基于系数阵A的适当的正常分裂A=M-N,构造收敛的迭代矩阵M(T,1,S2)N,使得迭代xj+1=MT(,1,S2)Nxj+MT(,1,S2)b对任何x0均收敛到Ax=b的一个解x∞≡limxj=(I-MT(,1,S2)N)-1MT(,1S,2)b=A(T1,,S2)b.

多群辐射扩散方程组的分裂迭代算法收敛分析

分析了多群辐射扩散方程组的分裂迭代算法的收敛速度,证明其收敛特性,给出迭代矩阵谱半径的解析公式.对谱半径进行数值计算与分析,揭示算法的收敛速度与辐射系数之间的依赖关系,数值算例验证了理论结果,给出了该算法的适用条件.