基于两步正则化Gauss-Newton迭代算法的ECT图像重建

电容层析成像(ECT)技术求解图像重建问题属于非线性问题,并且存在严重的不适定性。为提高图像重建精度,提出了一种基于两步正则化Gauss-Newton迭代算法的ECT图像重建方法。针对标准正则化Gauss-Newton迭代算法在图像重建中存在的不收敛问题,引入了两步迭代方法;改进了正则化矩阵,提高了解估计的精确度;考虑到Gauss-Newton算法对迭代初值的依赖性,加入了同伦算法。最后,进行仿真和静态实验,并与线性反投影(LBP)算法、Landweber算法、Tikhonov正则化算法进行对比。结果表明,该方法可有效提高图像重建精度。

抛物方程的Landweber迭代正则化方法的后验误差估计

考虑二维抛物方程Cauchy问题的反问题,该问题是严重不适定的.首先,用Landweber迭代正则化方法得到该问题的一个正则近似解,用Fourier变换求出该问题的精确解;其次,在后验正则化参数的选取规则下,给出精确解和正则解之间的H9lder型误差估计,并使用更强的先验条件给出端点x=1处的误差估计;最后,给出数值实例说明该方法的有效性.结果表明,该方法比已有方法收敛速度更快.

对称核算子方程的迭代Lavrentiev正则化方法及其应用

对称核算子方程广泛应用于数学物理、工程计算以及遥感科学领域.而这些问题通常是不适定的,也就是即使它的解是唯一存在的,但这个解也不一定连续地依赖于输入数据的变化.解决这一问题通常是把Tikhonov正则化方法应用于对称核算子方程,通常这种方法亦叫做Lavrentiev正则化方法.通常业已知道Tikhonov正则化方法的迭代执行可以提高算法的收敛速度.因此,文中将用类似的技巧来研究迭代Lavrentiev正则化方法.在数字图像信息处理领域,比如说数字图像恢复问题,也经常遇到对称核算子方程,将把这种方法应用到求解该类问题上.首先证明了算法的收敛性,然后应用Morozov偏差原则(MDP)证明了算法的正则性.而这种方法在数字图像恢复中的数值实现则更加验证了这些理论.

基于迭代加权L1正则化的高光谱混合像元分解

为了提高高光谱图像混合像元分解的精度,对基于稀疏性的线性混合像元分解方法进行研究。采用一种迭代加权的L1正则化方法进行高光谱混合像元分解,给出相应的模型和算法。通过引入多步加权L1优化求解过程,且根据当前解修正下一步迭代的权值,能更好地利用混合像元丰度系数的稀疏性。试验结果表明,基于迭代加权L1正则化的高光谱混合像元分解精度比基于传统L1正则化的方法高,特别适用于信噪比较高的高光谱图像。

基于迭代Tikhonov正则化的核磁测井解谱方法研究

核磁测井解谱在核磁共振测井解释处理中是首要和关键的部分,它直接影响到后续计算地质参数的准确性。解谱是一个线性逆问题,由于系数矩阵的高度病态性,需要正则化处理才能得到稳定解。应用迭代Tikhonov正则化方法对核磁共振测井回波串进行反演,给出了正则化参数的后验选取准则,给出了合适的不适定问题的迭代终止准则。该方法具有很快的收敛速度,能适应低信噪比的数据反演,理论数据和实际资料的计算结果表明该方法的正确有效性。它比普通正则化方法的计算速度快得多,比联合迭代重建反演算法速度快、精度高,比改进的奇异值分解反演算法更能适应低信噪比的资料。

一维溶质运移源(汇)项系数反演的迭代正则化算法

对于多孔介质中发生物理化学反应的溶质运移现象,可以用带有非线性源(汇)项作用的一维对流弥散-反应扩散方程来描述,但方程中反映溶质吸附/解吸附能力的源(汇)项系数往往是未知的.本文讨论了基于出流端浓度观测数据的源项系数反演问题.根据Tikhonov正则化和矩阵的奇异值分解系统,建立了一种离散的迭代正则化算法,给出了算法实现步骤.数值模拟结果表明该算法不仅精度高,而且对于数据的随机扰动具有稳定性.最后应用建立的算法反演计算了一个具体的土柱试验源项系数,数值结果也表明文中所构造算法的有效性.

地球物理导航中位场下延的迭代正则化方法研究(英文)

地磁、重力数据下延是制备地球物理导航基准图的重要内容,而它通常是一个不适定问题,采用常规代数方法求解并不奏效;对此,结合航空地球物理测量和地球物理导航的特点,研究了迭代正则化方法(包括迭代Tikhonov法、Landweber迭代法和截断奇异值分解(TSVD)法)在位场下延中的应用。首先给出了位场下延和迭代正则化的基本理论,然后采用理论位场模型验证了迭代正则化方法在位场下延中的应用可行性,最后分析了迭代正则化方法的下延精度、计算时间和边界效应等性能。由分析结果可知,迭代Tikhonov方法具有最好的综合下延性能,应优先在实际的位场下延中使用。

走时层析成像的迭代Tikhonov正则化反演研究

针对反问题求解常遇到不适定的困难,采用奇异值分析的方法探讨了层析成像反演方程的不适定特征,研究了利用迭代Tikhonov正则化方法求解二维走时层析成像问题.该方法是一种拟线性化的反演算法,采用 L曲线法确定最优正则参数,拟定了四个有效的反问题迭代收敛准则,得到在残差范数和解的范数之间取最优折衷的解.核心异常数值化模型的计算结果表明,该方法比传统的联合迭代重建算法(SIRT)收敛快、精度高.

基于迭代Tikhonov正则化的电容层析成像图像重建

电容层析成像图像重建是一个典型的病态问题,其图像重建是一个非线性的求解过程,Tikhonov正则化方法是处理病态问题的有效方法之一,由于标准Tikhonov泛函的过度光滑,导致重建图像的细节信息丢失,重建的图像质量并非理想.以标准的Tikhonov算法为基础,给出了一种新的迭代算子,利用该算子可以使重建的图像细节进行一定的修正,通过仿真证明其在速度和图像重建准确度上得到了提高.

基于最小二乘增量迭代正则化方法的图像复原

针对模糊图像的复原问题,从最小二乘算法出发,采用增量迭代的方法改善算法的收敛性,同时结合正则化技术克服问题的病态性质,研究了一种有效的图像复原方法。在运算中,采用最速下降法求解方程,并运用快速傅立叶变换(FFT)原理来减少计算复杂度,同时引入自适应的正则化参数,使其与图像复原的迭代运算同步进行并自动修正到最优值。计算机仿真结果表明,该方法可较好地再现原图像的重要信息,复原图像在峰值信噪比和主观视觉效果方面都有明显的提高。

基于Tikhonov正则化与模型减缩技术的虚拟迭代载荷反求

将模型减缩技术应用于动态响应的求解,基于Tikhonov正则化载荷反求方法,在迭代过程逐步修正载荷信号,使系统的响应逼近期望响应信号,最终精确反求出载荷信号.算例表明,该方法相对于传统Tikhonov方法,既保留了良好抗噪特点,同时又提高了峰值载荷处的反求精度,从而使得整体反求精度更高.

一种快速收敛的迭代正则化方法

对于线性不适定问题,基于Landweber迭代正则化方法提出一种快速收敛的迭代正则化方法,依据Morozov偏差原理,采用后验选取正则化参数的方法得到了最优渐近收敛阶的正则化解.数值实验结果表明,该方法可以加快收敛速度,降低计算量.

迭代正则化方法求解电介质中空间电荷分布

首先介绍了迭代正则化方法的理论基础,建立了含有空间电荷密度分布的Fredholm第一类积分方程的反卷积算法,利用数值实验研究了加性高斯白噪声对迭代反卷积算法的影响,以及迭代停止标准对非适定问题的数值解的影响,最后使用该方法求解电介质样品中的空间电荷分布.结果表明,在无噪或者低噪环境下,反卷积算法能够非常好地计算出非适定问题的解.当噪声影响增大,信噪比降低时,反卷积的计算结果受到明显的影响.迭代停止标准对数值解的计算精度起着明显的作用.对实际测量数据进行处理表明,迭代正则化反卷积算法能够计算出固体电介质中的空间电荷分布.

Landweber迭代正则化的加速

Landweber迭代法是求解大规模的不适定问题的一种有效方法,但其迭代序列收敛速度是相当慢。为了加快Landweber迭代收敛速度,将每一步Landweber迭代分解为矩阵计算和求解,对矩阵计算部分设计了一种快速迭代格式,并给出了相应的加速算法,通过数值实验验证了这种算法能够大大加快收敛速度,有效的减少计算量,解决了Landweber迭代正则化方法在实际应用中的障碍。

一种基于小波变换的迭代正则化图象恢复算法

提出一种基于小波变换的迭代正则化图象恢复算法，兼顾抑制噪声的增长和保留图象重要边界。该算法根据图象小波变换各个子频段的不同频率特性和方向特性，分别采用不同的正则化参数和正则化算子。实验结果表明采用该算法的图象恢复的性能优于常规的空域算法。

水平层状介质中双侧向资料的全参数正则化迭代反演与应用

水平层状介质中的模型向量通常由地层原状电阻率、侵入带电阻率、侵入半径以及地层界面深度等参数组成，整个测井记录实质上是模型向量的非线性函数。本文将研究双侧向仪器Born近似表达式并建立用双侧向测井资料同时反演所有模型的全参数正则化迭代算法（RWPⅡ）。双侧向电极系上的电流和电位必须满足特定的聚焦条件，其正演模拟与Born近似表达式与非聚集型仪器完全不同。应用摄动原理，首先研究双侧向仪器响应的Born近似，给出电极系上的电流密度、电流和电位微小变化与电导率摄动之间的积分关系。然后，根据层状地层中电阻率分布特征以及半解析正演模拟技术，建立Fréchet导数矩阵的快速算法，该Fréchet导数矩阵包含了视电阻率对所有模型参数的偏导数。在些基础上，研究同时反演所有模型参数的正则化迭代算法，并给出正则化因子的具体计算方法。最后，应用理论模型和实际资料反演结果验证该反演算法的有效性。

图像恢复的一种快速迭代正则化方法

本文研究了将图像恢复问题转化为大型的线性不适定问题的求解.利用由Landweber迭代正则化方法改进所得到的快速收敛的迭代正则化方法,处理具有可分离点扩散函数的图像恢复问题.图像恢复实验表明该方法可大大提高收敛速度,且在计算中只需要较少的存储量.

基于增广拉格朗日的全变分正则化CT迭代重建算法

采用一种基于增广拉格朗日方法 (augmented Lagrangian method)求解全变分正则化(total variation regularization)算法(ALMTVR)来进行CT图像重建.将ALMTVR算法与经典的代数重建算法(algebraic reconstruction technique,ART)进行比较,并采用仿真数据与实际数据进行实验.在实验中,使用ALMTVR算法与ART算法分别进行图像重建,并对重建图像进行对比分析.实验结果表明:所提算法与ART算法相比,显著提高了图像重建的质量与速度,显示了其对图像重建的有效性及在CT成像系统中潜在的应用价值.

迭代再权共轭梯度q范数正则化线性最小二乘–支持向量机分类算法

L2范数罚最小二乘–支持向量机(least square support vector machine algorithm,LS–SVM)分类器是得到广泛研究和使用的机器学习算法,其算法中正则化阶次是事先给定的,预设q=2.本文提出q范数正则化LS–SVM分类器算法,0<q<∞,把q取值扩大到有理数范围.利用网格法改变正则化权衡参数c和正则化阶次q的值,在所选的c和q值上,使用迭代再权方法求解分类器目标函数,找出最小分类预测误差值,使预测误差和特征选择个数两个性能指标得到提高.通过对不同领域的实际数据进行实验,可以看到提出的分类算法分类预测更加准确同时可以实现特征选择,性能优于L2范数罚LS–SVM.

联合正则化与低秩先验的自适应迭代盲图像复原

为改善运动模糊图像盲复原的效果,解决伪影显著、鲁棒性差、各尺度由于迭代次数固定而产生不利核估计的问题,提出一种联合正则化与低秩先验的自适应迭代盲图像复原算法。首先,利用l0正则化先验的稀疏性估计中间复原图像和有效去除伪影,同时引入低秩先验抑制潜像恢复过程中的噪声干扰,提高模糊核估计的准确性;然后,针对多尺度迭代次数问题采用自适应策略,通过评估模糊核的相似性调整各尺度下的迭代次数;最后,用基于半二次分裂的交替优化策略求解本算法模型,利用非盲去模糊方法得到最终清晰图像。结果表明,本文算法能有效抑制噪声和伪影,鲁棒性好,并具有良好的复原效果。