基于多参数正则化的高分辨率图像重构算法

根据完全重构滤波器的性质,提出一种基于多参数正则化方法的高分辨率图像重构算法。该算法利用多参数正则化方法,恢复图像的高频部分,然后将恢复的高频信号与低频部分叠加,得到重构的高分辨率图像。由于该算法沿不同滤波方向选取不同的正则化参数,因此有效地抑制了噪声对重构图像的影响,改善了图像在边缘部分的重构效果,从而弥补了己有方法的不足。对所提出算法的收敛性进行了分析,并通过数值实验验证文中所提出算法的有效性。

求解不适定问题的多参数正则化方法

本文将求解不适定问题的Ｔｉｋｈｏｎｏｖ正则化方法推广到带有多个正则参数的情形，对于泛函其中α＝（α１，α２，…，αＮ），证明了对任意给定的一组正则参数αｉ＞０（ｉ＝１，２，…，Ｎ），其泛函的极小元存在；以及在正则参数的选取满足一定条件下，泛函的极小元对数据的扰动具有连续依赖性．

多参数正则化求解带有脉冲噪声的稀疏反问题

带有L_1模拟项的稀疏正则化其正则化项以及罚项均为不可微的,这使得该问题难于求解.采用多参数正则化方法,对带有L_1罚项的稀疏正则化泛函添加L_2罚项,通过对偶方法将原不可微问题转化为光滑约束问题,并进一步讨论了多参数正则化的收敛速度.提出对偶投影算法求解光滑约束问题.最后通过数值算例验证理论结果.

航空重力向下延拓的多参数正则化方法

为了克服航空重力向下延拓解算的病态性影响,介绍了一种多参数正则化方法,以均方误差最小为目标函数,设计了选取正则化参数的迭代算法,并比较了基于L曲线法、广义交叉核实(generalized cross-validation,GCV)方法选取正则化参数的Tikhonov正则化方法,同时给出了均方误差意义下多参数正则化解优于最小二乘估计的条件。基于EGM2008地球重力场模型进行了仿真试验,计算结果表明,多参数正则化方法能够保证向下延拓结果的可靠性和稳定性,并优于现有的Tikhonov正则化方法,验证了多参数方法在航空重力向下延拓中的可行性。

多参数梯度稀疏正则化图像非盲去模糊

自然图像在不同纹理区域具有不同的梯度特性,通过对图像梯度进行合理分层规划将图像纹理划分为5个区域,对各纹理区域梯度进行l_p范数约束,且每个区域对应1个合适的p指数值,建立多参数正则化模型,有效避免了全局单一p指数的缺陷.最后结合GISA稀疏编码框架,得到更加稳固的复原结果.通过实验对比,发现提出的多参数梯度稀疏正则化方法可以有效地提升图像纹理细节部分视觉质量,同时也能取得更高的信噪比.