基于分裂Bregman全变分算法的金标试纸图像去噪研究

金标试纸定量分析设备采用的去噪算法对金标试纸进行降噪处理效果的优劣,直接影响到金标试纸定量分析的准确度。为了更好地解决金标试纸图像的噪声问题,结合各向同性和异性的扩散原理改进分裂Bregman迭代的全变分算法,利用该算法对林可霉素金标试纸噪声图像进行降噪处理。实验表明,与基于分裂Bregman各向同性全变分(SBITV)、基于分裂Bregman各向异性全变分(SBATV)以及金标试纸定量分析设备最常用的中值滤波算法相比,文中改进的算法克服了SBITV导致的图像边缘模糊问题以及SBATV产生的阶梯效应,既消除了噪声也保留了金标试纸图像的细节信息,获得了优越的降噪性能。在三种噪声的干扰下,本文改进的算法PSNR值比SBITV的PSNR值提高2dB以上;比中值滤波PSNR值至少提高15dB;比SBATV的PSNR值至少提高20dB。

稀疏性正则化的图像泊松恢复模型及分裂Bregman迭代算法

生物医学、天文等成像系统通常会受到泊松噪声的干扰,基于图像在过完备字典下的稀疏表示,在贝叶斯最大后验概率估计框架下,建立了针对泊松噪声的稀疏性正则化图像恢复凸变分模型,采用负log的泊松似然函数作为数据保真项,模型中非光滑的正则项约束图像表示系数的稀疏性,并附加恢复图像的非负性约束.进一步,基于分裂Bregman方法,提出了求解该模型的多步迭代快速算法,通过引入辅助变量与Bregman距离,可将原问题转化为两个简单子问题的迭代求解,大幅度降低了计算复杂性.实验结果验证了本文模型与数值算法的有效性.

基于分裂Bregman算法的玉米种子品种识别(英文)

玉米品种的纯度和玉米产量密切相关,因此玉米品种的筛选对提高粮食产量具有非常重要的作用。基于机器视觉的自动品种筛选技术通常分为图像分割、特征获取和分类等三步。图像分割的精度直接决定了种子识别准确度。在众多的图像分割技术中,本研究尝试将图像分割变分模型及其对应的数值求解方法-分裂Bregman算法应用于玉米种子自动识别中。该方法具有精度高,分割边界封闭连续等有利于玉米特征提取的优点。此外,本文还将自适应小波配置法用于求解分裂Bregman算法中的最优条件,得到一种更为精确高效的分裂Bregman算法。进而结合改进分裂Bregman算法得到的不同玉米品种特征和支持向量机技术得到了一种新的玉米品种分类器。采用该方法对玉米品种农大108和鲁丹981进行实验,识别精度分别达到97.3%和98%,相对于由其他分割方法得到的分类结果精度(95%)要高。

基于分裂算子的遗传算法和自适应遗传算法

针对遗传算法所存在的早熟和收敛速度慢等问题,基于低等生物的分裂生殖现象,提出了分裂算子的概念,并将该算子引入到传统遗传算法和自适应遗传算法中,对这两种遗传算法进行了改进。通过一系列多峰函数测试实验,将改进算法分别与基本遗传算法和自适应遗传算法进行比较,证明引入分裂算子后的遗传算法和自适应遗传算法不仅有效地收敛到全局最优解,而且提高了收敛速度。

基于前向后向算子分裂的稀疏性正则化图像超分辨率算法

提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在框架系统下的稀疏性先验,保真项度量其在退化模型下与观测信号的一致性,同时分析了最优解条件.进一步,基于前向后向算子分裂法提出了求解该模型的不动点迭代数值算法,每一次迭代分解为仅对保真项的前向(显式)步与仅对正则项的后向(隐式)步,从而大幅度降低了计算复杂性;分析了算法的收敛性,并采取序贯策略提高收敛速度.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.

基于全变分的运动分割模型及分裂Bregman算法

提出了一种基于全变分的运动分割模型,可以适用于2D/3D视频.首先,通过活动轮廓模型将分割与估计融合在同一能量函数中,该模型能够同时进行分割曲面的演化和运动参数的估计.其次,通过凸松弛方法将原始问题转化为等价的全变分模型,克服了局部最小值问题.最后,采用分裂Bregman快速算法进行求解.多组实验证明了本文方法对2D/3D视频的通用性和算法的高效性.

加权变分去噪模型的分裂Bregman算法

针对求解加权变分去噪模型时大量迭代导致计算速度缓慢的问题,为提高运算速度,在加权变分去噪模型中引入分裂Bregman算法。实验表明,与梯度下降法相比,该算法迭代次数少、处理过程快,极大地缩短了运算时间,并且保持了较好的去噪效果。

基于分裂算子的遗传算法的超临界机组模型的解耦仿真

以某厂1 000MW超临界机组为研究对象,针对协调控制系统的多变量、强耦合的特点,对其模型进行了解耦分析,并采用引入分裂算子的自适应遗传算法进行参数辨识,得到目标函数的全局最优解。MATLAB仿真结果表明:引入分裂算子的自适应遗传算法能够很好地消除变量之间的耦合影响,符合机组在额定工况条件下的动态特性。

修正ROF模型的分裂Bregman算法

ROF去噪模型对高斯噪声有很好的去除效果,但并不适合处理泊松噪声。该模型会造成含泊松噪声图像的边界模糊。针对泊松噪声类型,文献上提出了修正ROF模型。分析了修正ROF模型解的存在性和唯一性。采用逐步线性化的方法处理该模型具有强烈非线性的保真项,克服了其求解上的困难,并应用分裂Bregman算法,使得该模型可以快速求解。数值实验结果表明,该算法较好地保留了图像亮度较弱部分的细节信息,对实际CT图像的去噪效果优于传统的ROF模型,且收敛速度快。

基于全局性分裂算子的进化K-means算法

进化算法可以有效地克服K-means对初始聚类中心敏感的缺陷,提高了聚类性能。在进化K-means聚类算法(F-EAC)的基础上,针对其变异操作——簇分裂算子的随机性与局部性,提出了两个全局性分裂算子。结合最大最小距离的思想,利用待分裂簇的周边簇信息来指导簇分裂初始点的选择,使簇的分裂更有利于全局划分,以进一步提高进化聚类的有效性。实验结果表明,基于全局性分裂算子的算法在类数发现及聚类精度方面均优于F-EAC。

一种基于Contourlet变换与分裂Bregman方法的CT图像重建算法

针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表示方面的局限,本文将Contourlet变换与CT图像重构相结合,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与最小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行最优化求解的CT重建算法。实验结果表明,在投影数较少的条件下,本文算法重构结果在RMSE与UQI方面均优于ART与TV方法,重构图像的边缘细节亦保持良好,且抗噪性能较强,说明本文算法更适合稀疏投影情况下的重建。

稀疏性正则化的图像Laplace去噪及PR算子分裂算法

在Bayesian-MAP框架下,建立了针对Laplace噪声的稀疏性正则化图像去噪凸变分模型,模型采用L1范数作为数据保真项,非光滑的正则项约束图像在过完备字典下表示系数的稀疏性。进一步基于Peaceman-Rachford算子分裂算法,提出了数值求解该非光滑模型的多步迭代快速算法,通过引入保真项与稀疏性正则项的邻近算子,可将原问题转换为两个简单子问题的迭代求解,降低了计算复杂性。实验结果验证了模型与数值算法的有效性,本算法在摄像自动报靶系统中得到了应用。

基于交替分裂Bregman迭代算法的鲁棒多道预测反褶积方法

将一次波的L_1范数最小化约束引入多道预测反褶积,提出基于交替分裂Bregman迭代算法的鲁棒多道预测反褶积方法。所提方法利用距离算子求解L_1范数最小化优化问题,在整个迭代过程中只需计算一次矩阵求逆,计算复杂度较低。首先介绍了多道预测反褶积方法的数学模型,然后给出鲁棒多道预测反褶积的优化问题,并阐述了交替分裂Bregman迭代算法求解优化问题的步骤。相对于基于迭代重加权最小二乘法的鲁棒多道预测反褶积方法,文中方法在保持多次波压制效果的同时,能进一步提高计算效率;相对于基于最小二乘法的多道预测反褶积方法和基于交替分裂Bregman迭代算法的鲁棒单道预测反褶积方法,文中方法能有效地均衡一次波的保护和多次波的压制。另外,所提方法利用了多道预测反褶积方法的优势,比单道预测反褶积方法能更好地适应海底的起伏变化。模型数据和实际数据测试结果表明:当水层多次波具有周期性时,文中方法能在保护一次波的同时,有效地压制水层多次波,并具有较高的计算效率;当水层多次波的周期性假设得不到很好的满足时,很难对多次波的压制效果进行直观判断。

惯性β-Douglas-Rachford分裂算法收敛性分析

Douglas-Rachford分裂算法是一种求解两个极大单调算子和的零点的经典方法,一直深受广大学者的关注.针对经典Douglas-Rachford分裂算法,本文提出一种基于惯性Douglas-Rachford分裂算法的惯性β-Douglas-Rachford分裂算法,应用惯性K-M算法对惯性β-Douglas-Rachford分裂算法的收敛性进行详细分析.通过引入极大单调算子的β-增强算子给出惯性β-Douglas-Rachford分裂算法的解的形式.

求解次压缩算子分裂问题的自适应算法

在Hilbert空间中设计了一种粘滞逼近方法的自适应迭代算法,并利用粘滞逼近方法和自伴算子技巧求解了次压缩算子的分裂问题。所得结果推广和改进了一些最新的结果。

基于TV-Stokes模型的分裂型图像放大算法

文中提出了一种基于TV-Stokes模型的分裂Bregman图像放大算法。第一步,考虑切向量的散度约束为零,模型转化为一个类Stokes型方程。第二步,采用快速的分裂Bregman迭代算法重构放大图像。数值实验中,通过与双线性插值、LLT模型图像放大方法进行比较,表明了文中算法的有效性。

基于形态学正则化算子的图像重构算法

针对当前空间域的多帧超清图像重构算法,在对具有较多未知像素的低分辨率图像修复时,存在重构效果差,且处理速度慢等不足,提出了基于形态学正则化算子的超分辨率图像重构算法。通过构造高低分辨率关系模型,确定目标低分辨率改善因子;再估计高清图像,将修复问题转化为不适定问题,利用正则化方法求其稳定值,克服了因低分辨率图像中存在较多未知像素而难以实现高清图像重构的问题;并定义了基于形态学滤波器的正则化算子,联合Bregman迭代和算子分裂,有效解决最小化问题,再通过计算形态学正则化算子的次梯度,完成图像重构。仿真结果表明:与当前超清图像重构算法相比,在修复具有较多未知像素值的低分辨率图像时,拥有更好的重构效果与适应性,且具有更高的相似度。

基于分裂Bregman迭代的混合正则化重力场反演

针对重力场反演中深度分辨率过低的问题,提出基于混合稀疏正则化联合反演。引入L1多尺度小波和全变差技术,使在剔除干扰异常及规避反演过度聚焦的同时,尽可能地保留深度方向上的分辨率;针对在混合正则化反演中预条件矩阵左乘(求逆)计算量过大的问题,构建新的深度权项实现基于最小分裂Bregman迭代算法快速三维密度反演成像。研究结果表明:本文反演方法可行、有效,具有较强的适应性。

混合变分不等式解的分裂惯性近似算法

在无限维Hilbert空间中研究了一类混合变分不等式,借助于极大单调算子的ε-扩大提出了分裂惯性近似算法,并讨论了该算法的弱收敛性,该结论进一步弱化了这类混合变分不等式解集所需满足的条件.

有限族非空闭凸集交上的投影算子迭代算法

梯度投影算法在信号与图像处理、机器学习和数据挖掘等很多领域中有着广泛的应用,如何有效的计算投影算子是该算法的关键。对于单一闭凸集上的投影算子的计算,特别是具有稀疏约束的集合,已有很多的研究者给出了不同的优化算法。对于多个非空闭凸集合交上的投影,需要根据集合的性质设计算法。本文给出在一般Hilbert空间中有限族非空闭凸集合交上投影算子计算的统一方法。首先,我们定义笛卡尔乘积空间,将有限族非空闭凸集的交转化为两个非空闭凸集的交,然后将Dykstra算法推广到这类问题的求解。同时,我们将有限族非空闭凸集交上投影问题转化为无约束优化问题,并基于Douglas-Rachford算子分裂和三算子分裂方法思想,建立求解该无约束优化问题的迭代算法及证明算法的收敛性。最后,应用所提算法求解具有非负约束的l1范数单位球上的投影问题,通过数值实验,结果表明所提算法能快速和准确的收敛到真实解。