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。

基于快速阈值迭代的SAR层析成像处理方法

合成孔径雷达层析成像(synthetic aperture radar tomography,TomoSAR)是将合成孔径原理应用到高程向进行三维成像,相比于传统的二维成像,增加了高程向的信息。传统谱估计方法可用于SAR层析成像,但其高程向分辨率较低。对于高程向分布稀疏的场景,压缩感知(compressive sensing,CS)方法可以用于高程向重建,且具有超分辨能力。阈值迭代算法(iterative shrinkage-thresholding,IST)可用于SAR层析成像,但其收敛速度比较慢。介绍了一种快速阈值迭代算法(fast iterative shrinkage-thresholding,FIST)用于SAR层析成像,该方法不仅保持了IST算法计算的准确性,而且具有较快的收敛速度。本文通过仿真实验说明FIST算法在多散射体分辨、单散射体位置估计等方面的特性,并利用TerraSAR-X北京地区实际数据进行SAR层析成像,分析成像效果。研究结果表明FIST算法在多散射体分辨、单散射体位置估计方面优势明显,其应用于SAR层析成像具有较好的成像效果。

基于FCM及快速迭代收缩阈值算法的平面ECT图像重建

为提高平面阵列电容成像系统的成像精度,提出一种基于模糊C均值聚类(FCM)进行数据优化的快速迭代收缩阈值算法(FISTA)。根据平面阵列电容数据的特点,首先利用FCM算法对测量电容值进行分类,保留有效电容值,实现电容向量降维;然后利用离散小波基(DWT)对灰度值进行稀疏表示,并建立L1正则化模型,采用FISTA进行求解,以实现图像重建;最后将FCM处理后的电容值分别用于Landweber算法、Tikhonov算法进行重建对比。仿真与实验结果表明,该算法重建图像的平均相对误差约为0.0527,平均相关系数约为0.9422,均优于其它算法,且重建图像伪影较少,更接近真实情况;因此,所提算法具有更好的重建效果。。

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。

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。

基于SIDWT和迭代自一致性的快速并行成像重建方法

为提高并行磁共振成像的重建速度,基于平移不变离散小波变换(SIDWT)和迭代自一致性并行成像重建(SPIRiT)模型,提出一种高效的重建方法fSIDWT-SPIRiT.该方法针对含有数据一致项、校正一致项和L1范数正则项的复杂优化问题,首先将数据一致项和校正一致项进行合并处理,之后利用快速投影迭代软阈值算法进行求解以实现快速并行磁共振成像重建.最后,在不同人体器官的数据集上进行测试.仿真实验结果表明:与其他方法相比,该方法能够在保证图像重建质量的同时,具有更快的收敛速度.

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。

基于快速软阈值迭代的高光谱图像异常检测算法

高光谱图像数据光谱分辨率的提高,使高光谱图像数据量成倍增加。为进行快速的异常检测并提高异常检出的效果,提出一种新颖的基于快速软阈值迭代的高光谱图像异常检测算法。该算法是通过构建的背景字典重建出高光谱图像中背景像元,而异常像元无法被背景字典表示。背景像元通过背景字典线性拟合进行重建,并通过L1范数约束表示系数的稀疏性。同时将引入背景字典中各个原子与待检测像元的距离约束系数的表示能力。实验将在圣地亚哥数据和城市数据中进行验证,并同传统的算法进行对比分析。结果表明当所提出的算法检出率为100%的时候,比其他传统算法检测率提高了10%以上,且时间消耗比其他利用稀疏表示算法快0.5倍以上。

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。

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。

应用快速POCS算法的非均匀地震数据重建

凸集投影(Projection on Convex Sets,POCS)算法已经成功地应用于地震数据重建,灵活且简单。然而该算法要求重构数据必须是在规则网格上进行,由于障碍物等因素导致实际采集数据偏离预设网格点,重构效果不佳,且该算法的收敛速度仅为O(1/k),其中k为迭代次数。针对以上问题,首先构建了非均匀网格地震数据正演模型;然后从快速迭代收缩阈值算法(Fast Iterative Shrinkage Thresholding Algorithm,FISTA)出发,推导并提出了基于曲波变换的快速凸集投影算法(Fast POCS,FPOCS),该算法保留了迭代收缩阈值算法(ISTA)的计算简单性,具有全局收敛速度O(1/k^(2));是一种快速的地震数据重构方法;最后通过模拟和实际数据处理验证了本文方法的有效性。

矩阵秩极小化问题的一种快速求解算法

迭代硬阈值算法是求解矩阵秩极小化问题的一个非常有效的经典方法。但是在噪声情形下,迭代硬阈值算法往往具有较慢的收敛速度。为了有效地解决这一问题,本文设计了一种快求解矩阵秩极小化问题的快速迭代硬阈值算法。该快速算法能够在噪声情形下快速的重构低秩矩阵。仿真实验表明了所提算法的有效性。

基于改进FISTA的高分辨率声源定位方法

为提高快速迭代收缩阈值算法(Fast Iterative Shrinkage-Thresholding Algorithm,FISTA)在反卷积波束形成中的空间分辨率以及计算速度,采用基于快速傅里叶变换的声学模型,引入过松弛方法和“贪婪”重启策略,提出两种改进的快速迭代收缩阈值算法,即基于快速傅里叶变换的过松弛单调快速迭代收缩阈值算法(Over-relaxed Monotone Fast Iterative Shrinkage-Thresholding Algorithm based on Fast Fourier Transform,FFT-OMFISTA)和基于快速傅里叶变换的“贪婪”快速迭代收缩阈值算法("Greedy"Fast Iterative Shrinkage-Thresholding Algorithm based on Fast Fourier Transform,FFT-GFISTA),并应用于反卷积波束形成的求解过程中。设计了单声源和双声源的仿真与实验,验证了所提算法的有效性与优越性。结果表明,两种所提算法都具有良好的性能,都能在声源定位中实现更高的空间分辨率以及更快的计算速度。

FISTA框架下基于构造导向空变中值滤波的含异常噪声地震数据重建

受实际环境、采集成本等因素的制约,野外观测的地震数据经常出现不规则缺失的现象.为了给后续地震资料处理和成像提供完整的数据,势必要对缺失地震道进行插值重建.基于稀疏变换的插值方法被广泛用于地震数据重建,但传统的基于稀疏变换的插值方法对异常噪声非常敏感,当采集数据中存在异常噪声时会严重影响该方法的重建精度.为了克服这一问题,本文在快速迭代阈值收缩算法(FISTA)框架中引入构造导向中值滤波技术,提出了一种能同时压制异常噪声并对缺失地震道进行高精度重建的插值方法.该方法在FISTA的每次迭代中都对地震信号沿其局部倾角方向进行中值滤波以衰减异常噪声并最大限度地保护有效信号不被损害.得益于此,新方法可对含异常噪声的欠采样地震数据进行高精度重建.模型和实际数据测试均表明,当采集数据存在异常噪声时,新方法在插值精度和稳定性方面均优于传统稀疏促进插值方法.

地震资料快速两步插值算法

为了提高插值效率以及选择最优的插值方案,基于凸集投影(POCS)算法和迭代阈值(IST)算法的分析公式,在前人的基础上发展了快速迭代收缩阈值(FIST)算法和快速凸集投影(FPOCS)算法。基本思想是:将前一步的插值结果与前两步的插值结果通过线性算子进行线性组合,得到迭代收缩算子;通过插值算法进行插值。同时引入质量控制新准则,提高了计算效率和精度。使用IST、POCS、FIST和FPOCS等算法分别对由Seismic Lab建立的四层地震模型、Marmousi模型的不完整地震数据进行插值,筛选出最佳的阈值策略,并最终由实际地震资料进行验证。结果表明:阈值指数递减策略较恒阈值、阈值线性递减、数据驱动阈值等策略获得的插值结果的信噪比更高;结合终止准则,最大迭代次数为35~50时,即可获得较好的插值效果。

基于混合快速共轭梯度法的有限差分对比源反演

有限差分对比源反演(FDCSI)是一种解决逆散射问题的方法,该方法在反演中背景模型保持不变,只进行一次全正演计算,减少了计算量。FDCSI将逆散射问题转化为优化问题,采用常规共轭梯度法优化目标泛函,但收敛速度较慢,影响反演效率。为此,在研究频率域声波方程有限差分对比源反演方法的基础上,提出了基于混合快速共轭梯度法的有限差分对比源反演方法,提高了反演效率。混合快速共轭梯度法是在快速迭代收缩阈值算法基础上改进得到的优化方法,该方法适用于有限差分对比源反演,在不增加单次迭代计算量的基础上加速目标泛函收敛,保证了对比源反演算法的快速稳定收敛。

基于全变分正则最大后验估计的高光谱图像亚像元快速定位方法

针对高光谱亚像元定位应用中光谱解混这一病态问题的求解,改进了结合空间分布先验全变分(TV)的最大后验估计(MAP)光谱解混模型,以保证算法的可扩展性和解的唯一性.同时,针对TV先验固有的非线性特性导致的求解过程繁琐的问题,提出了一种快速求解算法,将原始复杂的非线性运算转化成几步较简单的有闭合解的运算,对这些子问题结合运用快速迭代收缩阈值算法(FISTA)和分裂Bregman算法来分别求解.结果表明,提出的新方法保持了与传统梯度下降方法相一致的定位精度,但将迭代速度提高了10倍以上,具有更高的运算效率.

基于压缩感知与快速迭代阈值收缩算法的脑功能网络重建

基于静息态功能磁共振成像(fMRI)构建脑功能网络是揭示人脑运作机制的有效手段,但是目前常见的脑功能网络普遍包含大量噪声从而导致错误的分析结果。本文使用压缩感知中的最小绝对值收缩和选择算子(LASSO)模型对脑功能网络进行降噪重建,该模型利用L1范数惩罚项的稀疏性避免过拟合问题。然后,通过快速迭代阈值收缩算法(FISTA)求解,该算法在每一次迭代中通过一个收缩阈值操作来更新变量,从而收敛到全局最优解。实验结果表明:与其他几种方法相比,该方法可以将脑功能网络降噪重建的准确率提高到98%以上,有效地抑制了噪声,有助于即使在噪声环境下也能很好地探索人脑的功能。

基于非线性动态阈值FISTA的图像修复算法

快速迭代收缩阈值算法(FISTA)因其快速、有效特性被广泛应用在图像复原领域.但此算法采用固定阈值,不能自适应更新中的复原图像水平,进而不能更有效地收敛,因此本文对其进行改进,提出非线性动态阈值(NLDT)方法,选取小波变换作为稀疏先验项.图像修复的仿真实验表明,当总迭代次数大于20,NLDT能产生比其他实验方法更高的PSNR,说明了本文算法能快速得到更精确的解.本文方法可用于图像去噪、图像去模糊、图像超分辨率等,也可用于计算机视觉和机器学习等大规模优化问题.

基于即插即用2D-FISTA的高分辨ISAR成像方法

基于即插即用框架,将二维快速迭代收缩阈值算法与深度去噪网络DnCNN相结合,提出对不同信噪比回波稳健的逆合成孔径雷达高分辨成像方法PnP 2D-FISTA。首先建立二维ISAR成像的信号模型与稀疏观测模型,给出2D-FISTA成像的迭代公式,然后用DnCNN作为去噪器代替软阈值收缩函数,获得良好的图像重构与去噪性能。仿真与实测数据实验结果表明,PnP 2D-FISTA能在不同信噪比条件下实现高效成像,并具有较好的重构性能与噪声鲁棒性。