基于最小梯度支撑的2.5D井地电位法正则化聚焦反演

利用最小梯度支撑稳定因子进行2.5D井地电位聚焦反演。通过对边界近似处理、结合基于图论理论的矩阵重排与填入元分析方法,实现一种快速的正演稀疏矩阵直接分解方法,提高了正演计算效率。为了突出对陡变异常体边界的识别能力,引入最小梯度支撑稳定因子(MGS),采用重加权共轭梯度(RRCG)方法进行反演目标函数求解。结果表明:MGS具有良好的聚焦特征,RRCG反演迭代过程稳定、收敛速度快。对"L-curve"选择正则化因子的算法进行改进,避免了传统采用最大曲率计算时需要对离散数据求导引起的误差,同时该算法对于出现多个拐点的"L-curve"也可正确选择正则化因子。

基于最小梯度中值滤波的红外背景抑制方法

背景抑制是红外运动点目标检测的核心技术之一。目前大部分背景抑制算法是针对平缓变化的背景而设计的,对存在强起伏边缘的背景抑制效果很差.针对此问题,本文提出了一种最小梯度中值滤波算法.该算法利用边缘方向和非边缘方向梯度的差异,能最大程度地减少背景抑制结果中边缘的残差.把实际拍摄的红外图像序列与其它算法进行了实验对比,证明该算法具有背景抑制残差小、目标信噪比增益大、计算量小、便于硬件实现等优点.

自适应最小梯度夹角预积分光照算法

为了增强体绘制的纹理细节与光照效果,提出了一种自适应最小梯度夹角预积分算法.通过采样点的方向导数及空间位置等信息来确定采样光线上的极值点,利用自适应划分算法加强极值点区域的绘制;为了突出物体的真实感、增强纹理细节,引入预积分光照算法,根据最小梯度夹角算法计算预积分采样段的光照颜色值,最后对预积分采样段进行体绘制积分.实验结果表明,相比传统的预积分算法,文中算法针对标量变化较大的区域能够得到较好的绘制效果,并且能够增加局部细节的光照效果.

梯度投影最小二乘多途信道实数域高分辨估计方法

为解决水下定位过程中的多途信道高分辨估计问题,文章给出了一种梯度投影最小二乘多途信道实数域高分辨估计方法,不同于频域最小二乘,方法利用时域迭代求解去除了矩阵求逆,降低了计算量,并且能够直接获得高分辨的实数域信道冲激响应。与MUSIC、Richardson-Lucy (RL)以及稀疏贝叶斯(SBL)等几种典型时域高分辨信道估计算法进行对比分析,仿真和实验结果皆表明,文中给出的梯度投影LS算法和SBL算法时延分辨力明显优于MUSIC和RL算法,水池实验结果时延分辨力可达1/(5B)(B为信号带宽)。所提方法幅度衰减估计精度略差于SBL算法。但最小二乘(LS)算法使用过程中不需要预知多途数目,更适用于大时延多途扩展情况,且计算量显著优于SBL算法。

共轭梯度最小二乘迭代正则化算法在冲击载荷识别中的应用

结构动载荷识别反问题是典型的病态问题,需要应用正则方法克服其病态特性而获得稳定的解。与直接正则化算法Tikhonov方法相比,共轭梯度最小二乘(Conjugate Gradient Least Squares,CGLS)迭代算法在载荷识别反问题的正则化过程有无须对传递矩阵求逆、无须明确正则化参数的优点。提出共轭梯度最小二乘迭代正则化算法和启发式迭代收敛终止准则,用于三自由度仿真模型和壳结构试验模型的冲击载荷识别,并与经典的Landweber迭代正则化算法和直接正则化算法Tikhonov方法比较。仿真和实验结果表明:CGLS迭代正则化算法在识别精度、收敛速度、计算效率和抗噪性方面有明显优势。

低渗透油藏最小启动压力梯度实验研究

据低渗油藏渗流特点,设计"非稳态驱替-毛细管计量"与"平衡法"相结合实验测试方法,测定了新疆油田天然低渗岩心水相、束缚水下油相、两相水驱油初期最小启动压力梯度.结果表明:在油、水粘度保持不变时,油、水相及水驱油初期最小启动压力梯度与岩石气测渗透率呈幂函数关系.该测试方法能快速准确测定岩样最小启动压力,具操作简单、耗时短、数据准确、易于应用等优点.

基于混合梯度最小化Mumford-Shah模型的高维滤波算法

为解决高维滤波中存在的边缘特征模糊和细节保持问题,创新性提出了一种基于混合梯度最小化Mumford-Shah模型的平滑算法.通过最小化包含梯度的L0、L1范数的正则化函数,实现边缘保持和局部光滑的滤波分解效果.从二维图像来看,梯度的L0范数刻画了图像中非光滑像素的个数,最小化梯度的L0范数可以实现图像分片同质的效果,即可对应Mumford-Shah模型中要求的边缘内部尽量均匀;梯度的L1范数,即全变差项,刻画了图像中所有水平集的长度,最小化梯度的L1范数可以实现控制图像边缘锐利度的目的,即Mumford-Shah模型中关于图像边缘保持的约束.由于Mumford-Shah模型具有鲁棒的信号平滑和边缘特征描述能力,因此在进行高维信号分解等处理时,可以取得良好分离效果.实验结果表明,混合梯度Mumford-Shah模型在滤波过程中可以实现边缘保持和纹理平滑相统一的特性,获得优异的图像结构纹理分解效果,对多个图像应用的处理效果有显著的提升,在三维网格数据上也获得良好的去噪性能.

基于混合梯度最小化的铅笔画生成

利用计算机模拟铅笔画生成的算法主要存在两个问题:其一是画面细节易丢失,边缘重点线条不够突出;二是笔画单一不能很好地展示原画中的层次信息.针对以上问题,提出了一种基于混合梯度最小化的铅笔画生成算法,通过结合L0梯度最小化和L1范数约束,既突出显示了图像边缘和重点线条,又不影响图像的整体锐度,同时可与原图像结构保持高度一致,充分展现了图像的层次性和丰富的细节信息.实验结果表明,本算法能够生成质量更高、真实感更强的的铅笔画效果,相比于已有的其他算法具有一定的优越性.

二维声学数值计算的梯度最小二乘加权

针对传统有限元法求解声学问题由于刚度矩阵过硬导致较大的色散误差,以及在较高波数和网格扭曲时计算精度过低甚至错误的问题,采用移动最小二乘权函数对传统有限元法的声压梯度进行加权重构,推导了梯度移动最小二乘加权(Gradient weighted by moving least-squares,GW-MLS)的二维声学计算公式。对声压梯度的加权重构使得GW-MLS模型的刚度相对于FEM模型得以软化,刚度更接近真实模型刚度。采用与有限元法相同的方式构造质量矩阵和边界积分矢量,保证质量矩阵和边界条件的正确施加和积分精度。通过二维管道声腔模型和二维车内声腔模型算例对所提出的算法进行验证,数值分析结果表明,GW-MLS有效地减少了色散误差的影响,提高了计算精度,尤其是对较高波数和网格扭曲时表现出良好的适应性。

Y-梯度广义最小二乘加权校正的土壤速效氮野外原位光谱预测

土壤速效氮是影响作物生长发育的重要养分指标。野外原位可见近红外光谱(VIS-NIR)分析技术具有快速无损等特点,对速效氮的定量预测具有较好的应用前景。野外条件下进行原位光谱采集更节省人力物力,且为土壤养分实时传感器的开发提供了数据基础。但由于野外原位光谱中通常存在大量的无关环境因子干扰信息,易导致回归模型预测精度降低,达不到实用要求。针对位于以色列中部和北部的两个试验点共76个样本开展研究,提出利用Y-梯度广义最小二乘加权算法(Y-GLSW)对样本的野外原位VIS-NIR反射率光谱(350~2 500nm)进行滤波校正,以提高回归模型的预测能力。首先使用SG平滑、一阶导数变换、标准正态变换等常规方法对原始光谱进行预处理和变换;在此基础上再使用Y-GLSW构建滤波模型对变换后的光谱进行滤波校正;最后使用偏最小二乘回归算法(PLS-R)分别结合原始光谱RW、预处理变换后的光谱PPT和滤波校正后的光谱Y-GLSW建立回归分析模型对速效氮进行定量预测。结果表明:利用RW光谱建立的回归预测模型是不可靠的;利用PPT光谱建立的回归模型在测试集的相对分析误差(RPD)为1.41,解释总方差占实际总方差之比(SSR/SST)为0.57,模型具有一定的可靠性;Y-GLSW光谱建立的回归模型在测试集的RPD和SSR/SST分别为2.07和0.69,相对于PPT模型分别提高了46.81%和21.05%。因此,利用Y-GLSW对野外原位VIS-NIR光谱进行滤波校正,能够有效去除光谱中的无关信息数据,提高模型的预测精度和解释能力。

基于局部区域梯度最小点的遥感图像镶嵌算法

寻找最佳拼接缝是遥感图像镶嵌中的重要环节。目前寻找最佳拼接缝的算法大多只考虑到对应像素灰度的差异最小,却忽略了保留目标的完整性。为此,提出一种基于局部区域梯度最小点的最佳拼接缝寻找算法。该算法用梯度表示图像中灰度变化的快慢,梯度值小说明灰度变化较为平缓,据此在图像重叠区域中逐行选取最小梯度值点的连接线作为最佳拼接缝。同时,针对强制改正法易在列方向上产生横向带状效应的问题,提出一种改进的"差值拼接缝消除算法"。实验结果表明,用该文算法确定的最佳拼接缝有效地避开了梯度变化较大的区域,既有效地绕开目标的边缘,又保留了目标的完整性;改进的差值拼接缝消除算法还有效地避免了灰度差较大情况下的横纹现象,使镶崁图像的色调过渡更为平滑,视觉效果得到改善;且算法的运行速度更快,具有一定的可行性和有效性。

基于最小垂直梯度泛函的二维MT数据反演方法

分析了大地电磁测深法反演中聚焦反演方法的原理,从反演目标函数构建方式出发,提出将最小垂直梯度泛函作为模型目标函数的二维MT反演方法,采用再加权正则化共轭梯度法求解目标函数的极小值。在正演模拟时采用基于二次场的有限单元法,引入互易定理计算灵敏度矩阵,并且在前几次迭代后,利用Broyden公式更新灵敏度矩阵,提高了计算效率。所实现的反演方法具有迭代稳定收敛、异常体的聚焦程度高等特点,特别是界面的垂向分辨能力比最小梯度支撑泛函有所提高,模型试算结果表明了本文方法的正确性。

基于L0梯度最小化和K-Means聚类的织物缺陷检测研究

为了控制产品质量,保障织物的美观和舒适性,针对织物表面的缺陷,课题组提出了一种基于L0梯度最小化和K-Means聚类的缺陷检测方法。主要分为2个步骤:首先,使用L0梯度最小化将缺陷图像进行平滑,去除背景纹理的影响,保留图像较大的边缘;然后,使用K-Means聚类对平滑后的图像进行聚类,从而分割出缺陷区域。将该检测方法用于纺织厂收集的缺陷图像上进行验证,实验结果表明该方法能准确地检测出织物表面缺陷。该项研究提高了检测效率,满足织物生产的要求。

基于熵正则L0梯度最小化模型的图像平滑方法

图像平滑是计算机图像和视觉领域中的一项基本任务,L0梯度最小化模型是该领域效果较好的图像平滑处理方法之一。但是该方法存在着严重的阶梯效应,且缺乏对噪声的鲁棒性。为了克服这些缺点,本文提出了一种基于熵正则的L0梯度最小化模型的图像平滑方法。首先,采用快速局部均值滤波算法预处理图像,并将处理后的图像运用到L0梯度最小化模型中,以此减少噪声点对图像平滑的影响;然后,为更好地刻画处理后图像与原始图像的相似度,保护其边缘信息,引入熵因子作为模型正则项,以减轻阶梯效应对图像平滑效果的影响;最后,运用交替迭代寻优方法,求解能量函数的最优解,继而得到最终平滑图像。为验证所提方法的有效性,利用大量图像进行实验,实验结果表明:与L0梯度最小化模型、RTV模型、DTV模型、Superpixel L0模型相比,所提模型能够获得更好的平滑效果的同时,较好地克服阶梯效应,且对噪声的鲁棒性也有一定程度的提高。

基于改进的L_0梯度最小化的图像平滑

计算机图像和视觉领域中的一项基本任务是图像平滑,而L0梯度最小化模型(LGM)作为一个最基本的数学工具已被广泛应用于图像平滑领域.作为总变差模型(TV)的改进版本,L0梯度最小化模型采用L0范数来约束图像的梯度并且对分段常数的图像有更好的平滑效果.然而,如同总变差模型一样,L0梯度最小化模型处理的结果图中也存在着严重的阶梯效应并且其对噪声也缺乏鲁棒性.为了克服这些缺点,本文提出了采用L1范数作保真项并且预滤波处理图像梯度的模型,即改进的L0梯度最小化模型.该模型不仅能够克服阶梯效应并且对噪声有较强的鲁棒性.大量的实验结果表明:与现有的方法相比,改进的L0梯度最小化模型能够获得更好的平滑效果.

基于天空区域分割和边界限制L0梯度最小化滤波的图像去雾算法

针对经典的暗原色理论算法在处理带有天空区域的雾天图像时会出现光晕和亮度损失的问题,该文提出基于天空区域分割和边界限制L0梯度最小化滤波的图像去雾算法。首先根据雾天图像的直方图特性分割出天空区域,求解全局大气背景光;其次,根据辐射立方体法则推导出边界限制条件,规整得到初始透射率图像,并运用L0梯度最小化方法对透射率图像进行平滑处理;最后,通过优化的暗原色理论模型求取增强后的图像。通过对算法的有效性、天空区域的失真和细节特征进行分析,发现该算法比改进的暗原色算法处理效果更好。

基于图像块l_(0)梯度最小化的边缘保持平滑算法

l_(0)梯度最小化图像平滑算法可在保持边缘的同时滤除纹理和细节,但该算法使用图像梯度判决被平滑成分时会出现包含较小图像梯度(弱边缘)的区域会被平滑,而包含较大图像梯度(强纹理)的区域被保留的现象.为克服此缺陷,提出一种基于图像块l_(0)梯度最小化算法(image-patch based l_(0)gradient minimization algorithm,简称IP-l_(0)算法)的图像平滑算法,通过对输入图像中的图像块而非整幅图像进行平滑,动态改变图像块目标函数中的权重参数,令主要包含强纹理的图像块以较大的力度进行平滑,而主要包含弱边缘的图像块以较小的力度进行平滑,再整合平滑后的图像块得到整个边缘保持平滑图像.对IP-l_(0)算法、原始的l_(0)梯度最小化算法、基于局部拉普拉斯滤波器的算法、基于相对全变差算法、基于树滤波的算法,以及2种基于深度学习的边缘保持算法进行仿真实验,结果表明,使用IP-l_(0)算法滤波后的图像能在保持较弱的边缘的同时平滑强纹理.

基于L_0梯度最小化滤波和对比度受限直方图均衡的色调映射算法

提出了一种基于梯度最小化滤波和对比度受限直方图均衡的色调映射算法。首先通过Reinhard全局压缩将图像映射到一个特定的范围,然后运用梯度最小化滤波将图像分为基础层和细节层,对基础层利用基于比例分配的对比度受限直方图均衡化算法以提高其对比度,最终将细节层和基础层合成,并利用原有颜色信息对图像进行Gamma校正。实验结果表明,本文所提算法在主观和客观实验中都取得了较好的效果,相较于经典算法,图像细节保真度好,层次丰富,较完整了保留了场景信息。

重力和重力梯度数据联合聚焦反演方法

重力数据包含较多的低频信息,重力梯度数据包含较多的高频信息,将重力数据和重力梯度数据进行联合反演得到的结果更加可信.本文基于聚焦反演方法,实现了这一过程.因为联合反演中分量种类增加,所以计算灵敏度矩阵所需要的时间增加,为此,本文提出了一种快速计算灵敏度矩阵的方法.因为联合反演对内存的要求增大,本文选择有限内存BFGS拟牛顿法求解反演问题.本文通过再加权的方法实现深度加权.文中利用单一分量的反演结果来预测异常体的埋深信息,随后将埋深信息结合到深度加权函数中,将其用于多分量组合反演计算.给出了模型试验,发现预测得到的异常体的埋深信息与其实际埋深存在偏差,但是将这一信息应用到反演计算,能够得到与真实模型一致的结果.之后,本文通过模型试验来探究重力和重力梯度联合反演的优势,发现将重力和重力梯度数据联合,能够识别出额外的噪声,反演得到的模型更加合理.但是,对于不同分量组合得到的反演结果是相近的,反演模型的提高很小.最后,将联合反演方法应用到美国路易斯安那州Vinton岩丘的实际数据中,结果显示,将重力和重力梯度数据联合反演,反演模型得到了提高,反演得到的结果与地质资料吻合.

低渗油藏束缚水下油相启动压力梯度分析

低渗油藏流体渗流具有一定的启动压力梯度,但目前对启动压力梯度的确定方法不一,且主要考虑的是单相流体(如单相油)的启动压力梯度。文中则通过室内物理模拟实验测试单相水、单相油以及束缚水下的油相流动启动压力梯度。结果表明:通过驱替实验数据回归得到的最小启动压力梯度比直接测得的要小得多,更贴近现场实际;最小启动压力梯度与渗透率呈较好的幂函数负相关关系,即随着渗透率增加,启动压力梯度逐渐减小;渗透率相同时,单相油的启动压力梯度要大于单相水,而束缚水下的油相启动压力梯度要明显大于单相油和单相水。对油井产能来说,在注采井距确定和油藏数值模拟中,应考虑束缚水下的油相启动压力而非单相油。研究结果对低渗—特低渗油藏渗流理论研究具有重要意义。