变阶变正则化APA在回声抵消中的应用

目前仿射投影算法已成为回声抵消研究中常用的算法。针对收敛速度和稳态误差这对相互矛盾因素,提出了变正则化因子和变投影阶数相结合的新算法。通过变正则化因子和可变投影阶数的协同调节,使收敛速度和稳态误差达到相对较好的状态。摒弃后验误差为零的传统思想,将噪声的统计特性考虑到自适应过程中。推导出了算法具体的更新公式。实验结果表明改进的算法要比变阶数APA或变正则化因子APA具有较小的稳态误差和较快的收敛速度。

一种变正则化矩阵的改进多带结构子带自适应滤波算法

定正则化因子的改进多带结构子带自适应滤波(IMSAF)算法在取得收敛速度快和稳态失调误差小之间存在冲突.根据系统噪声抵消原理,设定子带后验误差功率等于子带噪声功率,本文提出了变正则化矩阵的IMSAF算法来解决这一问题.仿真结果证明,所提算法可以同时达到收敛速度快、稳态失调误差小以及追踪速度快等优势.

基于变正则化参数仿射投影算法的PMSM参数辨识

为了准确辨识永磁同步电机参数,提出一种基于变正则化参数仿射投影算法的参数辨识方法。分析d,q坐标系下的永磁同步电机数学模型,构建基于仿射投影算法的参数辨识模型,利用优化的变正则化参数仿射投影算法实现参数辨识。仿真证明,该方法能够准确辨识电机参数,优化的参数辨识方法在保证收敛速度的基础上,降低了稳态误差。

结合等变交叉正则化的轻量化双分支建筑物变化检测网络

空间细节信息和语义上下文信息在建筑物变化检测研究中扮演着至关重要的角色。然而,在当下主流的单分支网络架构中,同时获取这两种信息会面临计算成本和模型大小方面的严峻挑战。为应对这一挑战,本文提出一种全新的轻量化双分支网络架构用于高效特征提取,并引入等变交叉正则化模块以增强特征表达,从而实现精细化的建筑物变化检测。具体地,轻量化双分支网络架构由细节分支、语义分支和双信息交互融合模块组成,能同时高效地捕获空间细节信息和语义上下文信息,以生成细粒度的深度语义变化特征图;同时,等变交叉正则化模块从隐式监督角度出发,在不增加网络参数的前提下,从语义和空间层面对变化特征图进行一致性约束,从而提高网络在变化建筑物尺度和边缘上的感知能力;为了验证方法的有效性,本文选用现有优秀的轻量化和非轻量化变化检测网络作为对比方法,分别在WHU、LEVIR两个数据集上开展对比实验。结果表明,在仅需2.27 M参数和4.25 G浮点运算的轻量化前提下,本文方法在两个数据集上分别实现了87.03%、83.41%的交并比精度,综合性能显著优于现有的轻量化和非轻量化变化检测方法。研究成果有望为未来的轻量化建筑物变化检测研究提供科学参考。

基于Tikhonov和变差正则化的磁感应断层成像重建算法

为了解决磁感应断层成像(MIT)逆问题的病态性和改善重建图像的质量,提出一种新的组合算法.该组合算法首先利用Tikhonov正则化算法对解的适定性产生初步的成像区域,之后再利用变差正则化算法对解的保边缘性和锐化作用进行图像重建.该组合算法与Tikhonov正则化算法及变差正则化算法相比,不仅有效地克服了磁感应断层成像(MIT)重建图像数值解的不稳定性,还加快了重建图像的收敛速度,提高了目标导体的分辨能力,有效改善了重构图像的质量.仿真结果表明了该组合算法的有效性.

WBCT与变分正则化方法的医学图像去噪

在分析几种变分正则化去噪模型的基础上,改进了变分正则化去噪模型,它是各向异性扩散的,去噪效果好,但计算量较大。由于WBCT的阈值法去噪速度快,本文提出了混合去噪方法,充分利用两种方法的优点,先对噪声图像做WBCT,高频子带用WBCT的阈值法去噪,对低频子带用改进的变分正则法去噪,然后用WBCT逆变换重建图像。实验结果表明:这种混合去噪方法比单独用WBCT阈值去噪效果好,计算时间比单独使用正则化方法少,因此混合去噪方法的综合性能最好。

SAR图像相干斑抑制和特征增强的自适应正则化变分方法

研究合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干斑抑制和特征增强问题.传统的SAR图像相干斑抑制方法通常会导致边缘和目标的模糊,针对该问题,本文基于SAR图像的先验信息和处理理念,通过合理构造扩散系数和正则化参数,提出了一种新的更适合SAR图像相干斑抑制和特征增强的自适应正则化变分方法.理论分析和实验结果表明,该方法不仅能有效地抑制相干斑,而且还能有效保护并增强图像的目标和边缘特征.

总变差正则化方法在条形码信号复原中的应用

条形码信号的复原是数学物理反问题中的一种病态问题,正则化方法是解决病态问题最常用的方法。研究了信号盲复原的基本原理与方法,并将基于总变差的正则化方法应用到一维条码信号的复原问题中,仿真试验结果表明,该方法复原效果显著。

模糊图像复原的高阶全变差正则化模型构建

模糊图像复原是一类典型的不适定反问题。为保证复原过程的稳定性,在二阶梯度域构建了模糊图像复原的高阶全变差正则化模型。针对该模型数值求解的困难,将原问题分解成Tikhonov反卷积和高阶全变差图像去噪2个子问题,并分别对其设计高效的数值求解格式。试验结果表明,该图像复原方法在快速恢复图像细节信息时能够有效地抑制振铃效应和阶梯效应的产生。

联合稀疏表示和总变分正则化的超分辨率重建方法

为提高基于稀疏表示的图像超分辨率重建的质量,该文提出了联合稀疏表示与总变分正则化的超分辨率重建算法。首先,在字典训练阶段,从具有相似统计特征的训练图片中获取图像块,作为训练字典的样本,并用K-SVD算法进行字典训练,得到高、低分辨率的字典。在稀疏编码阶段,根据局部稀疏编码模型求解出低分辨图像的稀疏表示系数,再利用稀疏表示系数和高分辨率字典对输入低分辨率图像进行重建,得到高分辨率图像。最后,将重建得到的高分辨率图像进行总变分正则化优化,进一步提高重建效果。仿真实验结果表明,该算法在客观评价指标和主观视觉效果上,图像质量都有明显提高。

基于高维全变分正则化的鲁棒低剂量CT心肌灌注去卷积方法

目的研发一种基于高维全变分(high dimension total variation,HDTV)先验的CT心肌灌注(computed tomography myocardial perfusion,CT-MP)去卷积方法。方法首先对低剂量CT-MP数据进行灌注去卷积建模,其后通过引入HDTV正则化修正模型最小化解的一致性。其中,HDTV利用心肌血管空间结构相似性和心肌血流信号时间连续性。结果 XCAT心肌灌注仿真数据和猪心肌灌注数据实验表明,同已有的方法相比,本方法能更有效地抑制低剂量血流动力学参数图中的噪声和伪影,同时较好地保持具有诊断意义的结构信息。结论本文方法可实现低剂量CT-MPI血流动力学参数图的优质成像。

基于超拉普拉斯正则化的冲击波超压层析重建

超压层析成像是利用传感器采集到的冲击波信号来反演测试区域的超压分布,是典型的不完全数据重建问题,为了提高求解精度,本文提出了一种基于高斯牛顿迭代联合超拉普拉斯正则化的冲击波超压层析重建方法。由于实际采集到的冲击波信号通常与干扰信号混叠在一起,会影响超压值的测量精度,本文首先采用改进的小波阈值算法对冲击波信号进行去噪处理;其次利用超拉普拉斯先验对图像边缘和二维层析模型进行正则约束;然后采用高斯牛顿迭代算法和交替方向乘子算法,解决大型病态稀疏矩阵的求解问题。实际实验结果表明本文的正则化方法与传统的全变分正则化和广义全变分正则化相比,重建精度可保持在15%左右,在实际场景中具有一定的应用价值。

一类非线性时间分数阶扩散方程反问题的变分型正则化

考虑了一类二维非线性时间分数阶扩散方程,并从最终位置获取的测量数据来反演物质在u(0,y,t)处的物理信息.这个问题是严重不适定的,即问题的解并不连续依赖于测量数据,因此提出了变分型正则化方法来稳定求解该问题.给出了精确解与正则近似解之间的误差估计,数值算例验证了该方法的有效性.

基于总变差正则化算法的三维肺部呼吸过程电阻抗成像方法

为了提高对肺部呼吸运动进行连续监测的精确性,针对二维成像不能满足人体结构成像需求的问题,利用三维电阻抗断层成像技术(electrical impedance tomography,EIT)对肺部呼吸过程进行成像,采用总变差正则化(total variation,TV)算法与Tikhonov正则化算法实现肺部三维EIT成像,并对2种算法在不同呼吸状态下的图像重建结果的误差与肺区域比(lung regional ratio,LRR)进行对比与评价。结果表明:与传统Tikhonov正则化算法相比,仿真数据中,TV算法使三维肺部EIT成像误差降低了58.86%,肺区域比(LRR)准确率提高了14.58%;实验数据中,TV算法使成像误差降低了53.81%,LRR准确率提高了16.33%;说明TV算法比Tikhonov正则化算法更适合进行三维EIT图像重建工作,证明了三维EIT用于人体呼吸运动监测的可行性。

基于总变分正则化算法的散射计图像重构

目前业务化运行的星载散射计分辨率一般为25 km,在分辨率需求较高的应用中(如极地海冰监测、热带雨林监测、近岸风场研究等)受到了限制。散射计图像重构技术可以在不改变系统硬件的前提下,通过数据处理方法的改进,提高分辨率。现有的散射计图像重构方法(SIR)是基于图像处理领域中较早期的乘性代数重建技术(MART)。该文针对星载扇形旋转扫描散射计,将一种新的图像重构方法总变分正则化(total variation regularization)算法应用于散射计图像重构,并通过仿真实验说明,新算法可以在增强分辨率的同时减少噪声,提高重构图像的质量。

确定隐含波动率的总变分正则化方法

求解隐含波动率是一个典型的PDE反问题,传统的Tikhonov正则化方法往往导致解的过度光滑化.基于波动率的跳跃性、隔夜周末效应等及总变分正则化方法具有较好地保持图像边界的优点,本文以Black-Scholes理论为框架,把确定隐含波动率问题转化为一个抛物型方程的终端问题,进一步提出求解隐含波动率的总变分正则化方法,并证明了解的存在性.

基于变分正则化的混合泊松-高斯噪声图像去噪方法综述

对基于变分正则化的混合泊松-高斯噪声图像的去噪模型及算法进行综述.首先,简要介绍了2个针对单一类型噪声的去噪模型,包括处理高斯噪声的ROF模型和处理泊松噪声的TV-KL模型;然后,在此基础上重点介绍基于变分正则化方法的混合泊松-高斯噪声去噪模型,包括通过最大后验估计推导的精确泊松-高斯噪声去除模型、Shifted-Poisson模型、TV-IC模型,以及广义的Anscombe变换模型和PURE模型等;相应地,总结了求解上述模型的常用高效数值算法,包括原始-对偶算法、交替方向乘子算法和半光滑牛顿算法等;在数值实验部分,对相关模型的噪声去除效果进行评估;最后,对该领域未来的研究方向进行了展望,指出了在模型改进、具有收敛性保证的算法设计、自动调参策略以及高维非线性等几个方面存在的问题和未来的发展方向.

基于变分正则化的低质视频图像二维增强仿真

受环境、硬件设备及成本等因素限制,所生产的视频质量低,存在大量冗余噪声,导致局部区域图像模糊不清,无法对目标个体判定或识别。为解决上述问题,构建一种基于变分正则化的低质视频图像二维增强方法。通过采集先验信息,确定噪声去除和质量增强区域,随后使用ROF经典模型和偏微分对原始图像做平滑及去噪处理,并提出前后扩散方程,使方法能够有效抑制背景区域噪声,并对目标个体边缘做锐化处理,利用变分正则化提升视频图像整体分辨率,使其完成图像二维增强。仿真结果表明,所提方法具有控制噪声与加强图像质量双重优势,有效去除、抑制噪声影响,提升目标个体区域强散射点,且方法复杂程度较低,能够实现低质视频图像的均衡优化。

混合全变差正则化的全波形反演

全波形反演(FWI)是一个高度非线性和不适定的数学物理反问题。全变差(TV)正则化方法具有保持解的不连续的性质,然而其对具有一定倾斜角度(如分段线性)的区域会呈现阶梯状伪影。二阶TV (TV2)正则化方法可以减弱阶梯现象,同时很好地保留反演的边缘信息。但二阶TV正则化方法与传统TV正则化相比,其需要更多的计算量。因此,本文基于TV和TV2正则化方法,提出了混合的全变差正则化方法(HTV)。基于Marmousi2模型和Sigsbee模型进行数值实验,数值结果表明相对于TV和TV2正则化方法,HTV正则化方法在反演精度方面具有较好的计算表现。

基于变分正则化的乘性噪声图像去噪综述

为研究变分正则化乘性噪声去除的发展及现状,本文首先根据保真项的不同特征将模型分为方差–均值、最大后验概率、I-散度及混合保真项乘性噪声去噪模型。其次分别对此进行了详细介绍并从保真项及正则项的角度出发对模型进行了总结。接着通过实验对不同类型的保真项模型的效果进行直观展示,并给出恢复图像的峰值信噪比值及实验运行时间。最后提出了自适应参数的设定、求解速度的改善、图像的分解去噪、特定图像去噪等几个方面关于乘性噪声去除未来发展的趋向和展望。