改进变步长快速迭代收缩阈值算法

图像复原问题是图像处理中的一项重要研究内容,解决图像复原问题,往往涉及到大量的数据集和未知信息。为了解决此类高维数据优化问题,前向后向算法提供了简洁、实用的方法。快速迭代收缩阈值算法是在前向后向算法的基础上加入了全局加速算子,一定程度上提高了算法的收敛速率。但是,快速迭代收缩阈值算法在解决最小值优化问题时,采用的是固定步长因子,限制了算法的收敛速率。针对该问题,结合Barzilai-Borwein算子提出一种改进的变步长算法。改进算法在每次迭代中利用前两步的迭代信息更新步长因子,加快了算法的收敛。将该算法应用于压缩感知和图像去噪中,数值实验结果表明:该算法改进了原算法的收敛速率。因此,改进变步长快速迭代收缩阈值算法不仅提高了算法的效率,同时提高了信号复原的信噪比。

基于curvelet变换快速迭代收缩阈值算法的压缩采样磁共振图像重建

目的为提高MR图像的重建效果和降低重建图像边缘模糊,本文提出一种基于curvelet变换的MRI快速迭代收缩阈值算法(fast iterative shrinkage-thresholding algorithm,FISTA)。方法利用curvelet变换多尺度、各向奇异性、对图像边缘有更好的几何表达等特性,将curvelet稀疏变换和FISTA结合,并与传统基于小波变换的FISTA对相同MR图像作重建对比。重建图像的质量以峰值信噪比(peak signal to noise ratio,PSNR)、均方误差(mean square error,MSE)、结构相似性度(structural similarity degree,SSIM)来衡量。结果实验选用Lena图像和脑部MR图像,从重建图像细节、差值图像、评估参数三方面对算法重建效果进行比较分析,证明该curvelet-FISTA算法可有效恢复完全采样图像从核磁共振成像中的欠采样数据。结论与传统基于小波变换的FISTA相比,该方法可以更好地保持重建图像的细节信息,并有效地消除图像边缘的模糊现象,显示了较好的重建效果。

基于快速迭代收缩阈值算法识别移动荷载

在桥梁设计规范中,移动力对活载构件起着重要的作用。然而,由于移动力的变化是在时间和空间上同时发生的,很难直接测量车辆和桥梁之间的相互作用力。因此,开发一些间接鉴定方法是有益的。间接法是根据已知桥梁动力特性和实测的实际动力响应计算动力。与直接法的成本相比,间接法的成本较低。考虑一类迭代收缩阈值算法(ISTA)来解决信号中出现的线性逆问题。这类方法可以看作经典梯度算法的扩展,因其简单而便捷,足以解决大规模问题以及有密集的矩阵数据,但这类方法收敛速度也很慢。本研究提出了一种新的快速迭代收缩阈值算法,FISTA算法保持了ISTA算法的计算简单性,且具有全局收敛速度快的优势,在理论和实践上都得到了显著的改善。

基于两步迭代收缩法的多稀疏空间图像快速重构方法

由于多稀疏空间图像重构时,像素范围选取过大、峰值信噪比低以及重构时间长,导致图像重构方法存在重构效果差的问题,提出基于两步迭代收缩法的多稀疏空间图像快速重构方法。明确多稀疏空间图像重构存在的问题,在明确问题后,以迭代收缩阈值算法为基础,引入迭代加权收缩算法,结合每一轮迭代结果作为初值,完成图像重构的两步迭代收缩法设计,实现多稀疏空间图像快速重构。实验结果表明:应用该方法后的重构多稀疏空间图像峰值信噪比达到37.9 dB以上,图像重构时间仅为16.0 ms,图像结构相似性达到了0.98以上,并且重构多稀疏空间图像的效果更好,经过实验分析证实了所提方法具备可行性。

基于迭代p阈值算法压缩感知磁共振成像重构

从优化网络结构出发,在基于迭代软阈值网络的压缩感知磁共振成像深度网络基础上,加入由p阈值函数组成的优化模块,进一步优化软阈值函数,以抑制噪声,减少重建误差,从而提高重建质量。上述算法结合了压缩感知磁共振重建和深度学习的优势,所有参数都是端到端学习得到的,既具有很好的理论可解释性,又具有良好的网络泛化能力。对上述算法与其它算法进行对比,仿真结果表明,所提算法提高了磁共振成像的重建精度,特别对于结构复杂的磁共振图像重建效果更好。

快速迭代收缩阈值正则化改进算法在桥梁移动荷载识别中的应用研究

移动荷载识别是结构动力学反问题研究的重要组成部分,其关键在于精确求解车-桥系统方程离散化后得到的大型稀疏线性方程组。由于车-桥系统矩阵同时具有稀疏性、非对称性、非正定性等特点,常用的迭代算法通常难以准确高效地对该大型稀疏线性方程组进行求解。迭代收缩阈值算法源于经典梯度算法,被广泛应用于线性逆问题求解及压缩感知重构算法中。由于迭代收缩阈值算法自身的非渐进全局收敛差的缺陷,导致荷载识别结果与真实值存在一定程度的偏差,难以实现对动态荷载的完全稀疏表达。为提高迭代收缩阈值算法的收敛性与稳定性,提出一种快速迭代收缩阈值正则化改进算法,将其用于识别桥梁移动荷载。通过引入迭代正则化,改进算法可准确提取动态荷载的信号特征,进而提高移动荷载识别方法的识别精度和抗噪性能。

快速迭代收缩阈值声源识别算法及其改进

近场声全息是一种主流的声学成像技术,在技术实践中可以有效实现声源定位。等效源法可用于修正声源不同数值模型的l2范数正则化逆问题和l1范数正则化逆问题。为了提高传统等效源法的分辨力,减少旁瓣"鬼影",提出了一种高阶波束形成改良快速迭代收缩阈值声源识别算法mIFISTESM-v,该方法是在改进的快速迭代收缩/阈值等效源法与高阶波束形成方法相结合的框架下发展得来。通过单声源定位和相干声源定位的分辨力分析的数值模拟以及实验验证了该方法的实用性,结果表明,所提出的方法能较好地达到声源识别及定位的效果,该方法所得主瓣区小于0.002。

图像压缩感知的双收缩快速迭代算法

针对传统图像压缩感知重构算法重构质量差及时间复杂度大的问题,提出一种双收缩快速迭代算法。通过引入阈值和正则化参数的双收缩,逐步迭代恢复图像信号,以加快收敛速度,改善重构质量。仿真结果表明,与传统阈值迭代算法相比,该算法重构图像的峰值信噪比较高,在低采样率下运行时间较少。

用于电阻层析成像的快速自适应硬阈值迭代算法

针对电阻层析成像技术图像重建具有严重病态性的问题,提出了一种稀疏重建算法——快速自适应硬阈值迭代算法,研究了噪声对该算法在电阻层析成像图像重建效果上的影响,并通过仿真和模型实验测试了该算法的性能.结果表明:一定强度范围内的噪声对硬阈值迭代算法、自适应硬阈值迭代算法和快速自适应硬阈值迭代算法的影响较小.快速自适应硬阈值迭代算法成像速度更快,且该算法重建图像的空间分辨率相对其他两种算法也有较大的提高.

改进的二维Otsu法阈值分割快速迭代算法

常用的灰度级-平均灰度级二维直方图存在错分,导致二维Otsu法阈值分割结果不够准确;其快速迭代算法搜寻最佳阈值时避免了穷举搜索,但仍需遍历整个解空间。为此,提出了一种改进的二维Otsu法阈值分割快速迭代算法。采用灰度级-梯度直方图及其区域划分方法,导出了基于该直方图区域划分的Otsu法阈值分割快速迭代算法公式;在实验结果和分析中给出了分割结果和运行时间,并与基于灰度级-平均灰度级二维直方图的Otsu法阈值分割的快速迭代算法及其改进算法进行了比较,实验结果表明,所提出的算法使分割后的图像更为准确,且搜寻最佳阈值时无需遍历整个解空间,运行时间减少了50%左右。

改进的二维最小交叉熵阈值分割快速迭代算法

基于灰度级-平均灰度级直方图的现有二维交叉熵阈值分割法的分割结果不够准确,计算最佳阈值时需搜索整个解空间,因而效率不高.针对这一问题,提出一种基于灰度-梯度共生矩阵的二维最小交叉熵阈值选取快速迭代算法,推导了相关的公式.对典型测试图像进行了大量实验,并与基于灰度级-平均灰度级直方图的方法在分割结果及运行时间上作了比较,结果表明所提出的算法分割结果更加精确,且计算最佳阈值时只需遍历其中一小部分解空间,运行时间减少到5%左右.

二维直方图区域斜分Otsu阈值分割的快速迭代算法

鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的Otsu法的快速迭代算法。在实验结果中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他两种快速算法进行了比较。结果表明所提出的快速迭代算法,使分割后的图像内部区域均匀,边界形状准确,有稳健的抗噪性,同时运行时间大幅减少。

基于二维Arimoto灰度熵的图像阈值分割快速迭代算法

现有的Arimoto熵阈值法仅依赖于灰度直方图分布,且计算最佳阈值时需搜索整个解空间,效率不高.为此,文中提出了一种二维Arimoto灰度熵阈值分割的快速迭代算法.首先,提出了一维Arimoto灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,导出了基于灰度-平均灰度级直方图的Arimoto灰度熵阈值法,并给出了中间变量的快速递推公式;最后,提出了二维Arimoto灰度熵阈值选取的快速迭代算法,推导了相应的公式,大大减少了运算量.实验结果表明,文中所提算法运行速度快,分割性能优于现有的5种同类阈值分割算法,分割后图像中的目标完整,边缘纹理清晰,细节更为丰富.

基于两步迭代收缩阈值的编码孔径光谱数据复原算法

编码孔径光谱成像仪根据压缩传感理论,对物体进行光谱成像。编码孔径光谱数据复原的特点在于能将探测器上所得到的二维编码像复原成三维的数据立方体。两步迭代收缩阈值算法是在迭代收缩阈值算法和迭代加权收缩算法基础上加以改进而得出的,采用两步迭代收缩阈值算法对编码孔径光谱数据进行复原,成功地由二维编码像复原出了三维数据立方体,具有迭代步数少,收敛速度快的特点。

二维最大类间方差阈值分割的快速迭代算法

传统的二维Otsu阈值分割算法采用穷举搜索法搜寻最佳阈值向量。与此不同,本文提出了一种二维最大类间方差阈值分割的快速迭代算法,用迭代的思想解决原始二维Otsu方法计算复杂、实时性差的问题。文中导出了迭代算法的公式,给出了算法流程。实验结果表明,与二维Otsu原始算法及其他两种快速算法相比较,本文提出的二维Otsu快速迭代算法分割结果准确,实现简单,其运行时间仅为原始算法的0.4%左右,大大减少了计算量和存储空间,是一种快速有效且实时性好的图像阈值分割算法。

基于交叉熵阈值法的快速迭代算法

针对交叉熵阈值法的时间复杂性过大的不足,提出了基于目标函数最优化原理的交叉熵分割准则的快速迭代算法。大量的实验结果表明,提出的快速迭代算法是有效的。

改进的迭代收缩阈值算法及其在量子状态估计中的应用

本文将含有稀疏干扰的量子状态估计问题,转化为考虑量子状态的约束条件下,分别求解密度矩阵的核范数,以及稀疏干扰l1范数的两个子问题的优化问题.针对迭代收缩阈值算法(ISTA)所存在的收敛速度慢的问题,通过在两个子问题的迭代估计中,引入一个加速算子,对当前值与前一次值之差进行进一步的补偿,来提高算法的迭代速度(FISTA).并将FISTA算法应用于求解含有稀疏干扰的量子状态估计中.针对5个量子位的状态估计的仿真实验,将FISTA分别与ISTA、交替方向乘子法(ADMM)、不动点方程的ADMM算法(FP-ADMM),以及非精确的ADMM算法(I-ADMM)4种优化算法进行性能对比.实验结果表明,FISTA算法具有更加优越的收敛速度,并且能够得到更小的量子状态估计误差.

基于贪婪-快速阈值迭代的SAR地面动目标稀疏表征算法

合成孔径雷达地面动目标成像(Synthetic Aperture Radar Ground Moving Target Imaging,SAR-GMTIm)技术通过在静止场景的SAR图像中检测运动目标响应,实现针对运动目标的重聚焦成像。通常情况下,地面运动目标回波响应相对于静止场景的回波(即杂波)具有较强的稀疏性,增强SAR-GMTIm成像结果的稀疏特征有利于目标分类和识别。现有的一阶算法如阈值迭代算法(Iterative Shrinkage-thresholding Algorithm,ISTA)及其改进方法,快速阈值迭代算法(Fast Iterative Shrinkage-thresholding Algorithm,FISTA)都可用于SAR-GMTIm稀疏特征增强,但都存在运算效率偏低,收敛速度较慢的问题。针对以上问题,本文提出了一种贪婪-快速阈值迭代算法(Greedy Fast Iterative Shrinkage-thresholding Algorithm,Greedy FISTA)用于SAR-GMTIm稀疏特征恢复。该算法基于重启动框架对FISTA进行改进,缩短了算法重启间隔和振荡周期,拥有比FISTA更快的收敛速度。本文利用Greedy FISTA针对SAR-GMTIm的仿真复数据以及美国空军实验室的Gotcha实测雷达数据进行成像实验,并对比Greedy FISTA和FISTA、ISTA在SAR动目标成像中达到同等精度所需的迭代次数,再结合相变热力图分析法对比三种算法的恢复性能。实验结果表明Greedy FISTA应用于SAR-GMTIm系统具有良好的成像效果,且在收敛速度和稀疏信号恢复方面相较传统阈值迭代算法及快速阈值迭代算法有明显优势。

阈值收缩迭代算法在被动毫米波图像处理中的应用

为了克服被动毫米波图像处理系统中数据量巨大,实时处理要求高的缺点,将阈值收缩迭代算法应于被动毫米波图像处理中,通过一个非自适应的基矩阵对原始图像信号进行变换,求解一个优化问题获得稀疏性最高的信号,可以在噪声干扰的情况下以极高的精度恢复出原始图像信号。将算法用于被动毫米波模拟图像的恢复实验,得到了很好的结果。因此,它是一种高效、可行的被动毫米波图像处理方法。

一种改进的快速迭代阈值选择算法

针对迭代阈值选择算法每次迭代计算灰度阈值的过程存在大量重复计算的问题,提出了基于均值累计和频次累计的快速迭代阈值选择算法。对快速迭代阈值选择算法和迭代阈值选择算法阈值计算的时间开销及图像二值化分割进行了实验分析,结果表明:文中提出的快速迭代阈值选择算法可有效的对实验图像进行二值化,该算法可显著降低迭代过程的时间开销。当图像尺寸达到10 000*10 000时,快速迭代阈值选择算法的时间消耗可降低至迭代阈值选择算法的10%,验证了快速迭代阈值算法的有效性。