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。

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。。

基于迭代收缩阈值算法的DOA估计方法

针对传统波达方向(Direction of Arrival, DOA)估计算法在低信噪比、小快拍的条件下估计精度不高的问题,提出了一种基于迭代收缩阈值算法的矢量水听器阵列多快拍DOA估计方法。首先,对空域进行等角度划分,构造超完备冗余字典,建立基于信号多快拍条件下的DOA估计模型,然后,采用迭代收缩阈值算法解决稀疏重构问题,求解出信号的稀疏系数矩阵,最后,将稀疏矩阵中行向量的范数映射到划分好的网格上,得到DOA估计值。仿真实验结果表明:该方法在低信噪比、小快拍条件下比OMP、 MUSIC和CBF等传统算法拥有更高的DOA估计精度和更强的鲁棒性。

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。

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.

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。

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。

基于迭代收缩阈值网络的地震数据重构研究

由于复杂地球物理条件的影响,野外采集的地震数据往往存在缺失道、坏道的情况,严重影响后续的处理解释工作。压缩感知理论的提出使得地震数据可以不满足Nyquist频率进行稀疏压缩恢复,但重构效果受限于变换域以及参数的选择。因此,本文通过结合压缩感知凸优化算法迭代收缩阈值算法以及深度神经网络,通过用深度神经网络的每一层表示迭代收缩阈值算法的迭代过程,通过端到端的学习自动更新网络中的参数。将本文的方法应用于Tesseral模拟数据以及实际地震数据的地震数据重构,并与传统的迭代收缩阈值算法进行对比,实验结果表明,基于迭代收缩阈值网络的重构方法精度高,重建所需时间短,可以更有效地恢复地震信号。

基于改进迭代收缩阈值算法的微观3D重建方法

迭代收缩阈值算法(ISTA)求解离焦深度恢复动态优化问题时,采用固定迭代步长,导致算法收敛效率不佳,使得重建的微观3D形貌精度不高。为此,提出一种基于加速算子梯度估计和割线线性搜索的方法优化ISTA——FL-ISTA。首先,在每一次迭代中,由当前点和前一个点的线性组合构成加速算子重新进行梯度估计,更新迭代点;其次,为了改变迭代步长固定的限制,引入割线线性搜索,动态确定每次最优迭代步长;最后,将改进的迭代收缩阈值算法用于求解离焦深度恢复动态优化问题,加快算法的收敛速度、提高微观3D形貌重建的精度。在对标准500 nm尺度栅格的深度信息重建实验中,与ISTA、快速ISTA(FISTA)和单调快速ISTA(MFISTA)相比,FL-ISTA收敛速度均有所提升,重建的深度信息值下降了10个百分点,更接近标准500 nm栅格尺度;与ISTA相比,FL-ISTA重建的微观3D形貌均方差(MSE)和平均误差分别下降了18个百分点和40个百分点。实验结果表明,FL-ISTA有效提升了求解离焦深度恢复动态优化问题的收敛速度,提高了微观3D形貌重建的精度。

迭代去噪收缩阈值算法重构压缩全息

为了解决全息图像数据在传输过程中占用大量内存并在一定程度上增加设计成本的问题,在数字全息成像技术中,应用压缩感知理论,提出了一种基于迭代去噪收缩阈值算法(IDNST)的数字全息重构方法.IDNST算法引入了去噪迭代因子和正则化收缩因子,利用前2次迭代的值、不断更新的迭代参数以及不断收缩的正则化参数来获得新的迭代值,加快了收敛速度,提高了全息图像的重构精度.仿真结果表明,所提出方法能够高概率地恢复出原始图像.

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。

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。

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。

基于双树复小波的双阈值迭代地震数据重建

奈奎斯特采样定理对地震数据的采集提出了很高的要求,而地震勘探的复杂环境可能导致地震数据道缺失或者勘探成本上升,因此需要对地震数据进行重建,恢复地震数据的全貌。针对上述情况,对道缺失地震数据进行双树复小波变换,使用缺失地震数据的采样矩阵作为测量矩阵,在重建阶段提出一种基于双树复小波变换的双阈值迭代重建方法。与传统的基于小波变换或基于傅里叶变换和单阈值迭代算法(IST)相比,双树复小波变换有着平移不变、多方向选择等优良特性,而使用双阈值迭代能更好的重建地震数据。实验阶段采用marmousi数据,验证了算法的可行性与有效性。

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。

基于多步迭代方法的快速总变分图像复原

针对目前总变分图像复原算法收敛速度较慢的问题,本文提出了一类基于多步迭代的快速总变分图像复原算法。提出了两种多步总变分图像复原算法:多步迭代收缩阈值算法和多步迭代加权收缩算法,并针对多步算法每次迭代需要额外估计权参数的不足,给出了一种固定权参数的多步总变分复原算法。同传统的单步总变分复原算法相比,提出算法在每次迭代过程中无需额外增加计算量,且需要很少的迭代就能达到收敛。实验结果表明:对复原不同因素引起的退化图像,文中提出算法的收敛性能远高于传统的单步迭代复原算法,从而我们提出的算法是有效的。

一类带参数自适应步长的快速迭代收缩阈值算法及其应用

本文针对非光滑凸优化问题提出了一种带参数的自适应步长的快速迭代收缩阈值算法.利用参数化策略带来的自由度在实Hilbert空间上分别研究了目标函数O(1/k^(2))和迭代算法o(1/k^(2))的收敛速率,并在目标函数F一致凸的条件下获得了算法的强收敛性.此外,在该算法的基础上建立了连续动力系统模型,并获得了连续动力系统解的逼近性质.最后通过图像去噪实例验证了算法的优越性.

基于重启策略的快速迭代收缩阈值算法的荧光分子断层成像重建

提出一种改进的快速迭代收缩阈值算法(FISTA)来求解荧光分子断层成像(FMT)目标函数,并采用重启策略搜索步长,在迭代中提供合适的Lipschitz常数,从而加快FISTA的收敛速度。数值仿真实验和真实小鼠实验结果表明,与经典的FISTA对比,基于重启策略的快速迭代收缩阈值算法(R-FISTA)能够在保证FMT重建精度的同时加快重建速度。

迭代收缩阈值雷达前视成像方法

针对机载多通道雷达的扫描前视成像问题,研究了利用迭代收缩阈值算法实现单个通道前视成像的方法,在此基础上提出一种扩展的多通道迭代收缩阈值算法来解决多通道前视成像问题,在理论上证明其收敛性,并给出加快收敛速度的方法。该算法首先通过对各个通道的加权叠加,获得多通道雷达最小均方误差意义下的最优解;然后利用目标的稀疏表示,获得最优解在相应稀疏约束下的稀疏解。理论分析和仿真实验表明,相对于现有扫描雷达前视成像方法,所提方法在算法稳定性、场景复原能力和噪声抑制能力等方面具有明显的优势。