彩色纹理图像分解的VO模型及其Split Bregman方法

彩色纹理图像分解的处理模型和方法是近年来纹理图像处理研究的热点。为实现彩色纹理图像的分解,在介绍TV(total variation)模型及其Split Bregman方法的基础上,通过辅助变量和Bregman迭代参数,将Split Bregman方法引入到VO(Vese-Osher)模型中,提高了计算速度。通过数值实验比较了VO模型与TV模型在彩色纹理图像分解中的效果,验证了基于Split Bregman方法的VO模型的有效性和效率。

多相图像分割的Split-Bregman方法及对偶方法

变分水平集方法为多相图像分割提供了统一框架,但其能量泛函的局部极值问题和较低的计算效率制约着该类方法的应用,文中针对此问题提出一种改进模型和方法.首先将两相图像分割的全局凸优化模型推广到多相图像分割,建立了多相图像分割的交替凸优化变分模型,以改善传统模型的局部极值问题;然后提出了相应的快速Split-Bregman方法和对偶方法来提高计算效率,其中Split-Bregman方法通过引入辅助变量将凸松弛后的变分问题转化为简单的Poisson方程和精确的软阈值公式,对偶方法则通过引入对偶变量将该问题转化为对偶变量的半隐式迭代计算和主变量的精确计算公式.文中的改进模型适用于任意多相图像分割,且对二维和三维图像分割具有相同形式,可用于三维图像的多对象自动形状恢复.最后通过多个数值算例验证了文中方法的计算效率优于传统的方法.

改进CV模型图像分割的Split-Bregman方法

水平集方法中的Chan-Vese模型(简称CV模型)对灰度不均匀及边界对比度低的图像的分割效果不够精确,计算效率也不是很高。针对灰度不均匀引入偏差场来修正CV模型中的区域平均灰度并引入核函数来加权能量泛函。针对计算效率低下的问题,在上述基础上得出其全局凸分割模型(Global Convex Segmentation,GCS),用SplitBregman迭代求解该模型。实验结果表明:改进后的模型提高了分割精确度和计算效率。

基于Split-Bregman方法的稀疏角度CT重建算法研究

离散梯度变换已被广泛地用作稀疏算子,相应的全变差(TV)最小化方法也被用于基于压缩感知(CS)的CT重建中.与此同时Split-Bregman算法在求解L1正则化问题方面引起了很大关注,此方法对原来的L1正则化问题引入一个分裂变量后利用Bregman迭代求解.本文将Split-Bregman方法用于稀疏角度CT重建,并与传统的SART和基于SART的软阈值算法(STF-SART)进行比较,最后用Head模型作为测试模型进行仿真实验,实验结果表明:对于稀疏角度CT重建问题,TV正则化(STF-SART和Split-Bregman)算法明显优于传统的SART算法,且Split-Bregman算法在收敛速度和重建图像质量方面又优于STF-SART算法.

基于Split-Bregman方法的CT内重建算法研究

基于压缩感知(CS)理论,可证明只要感兴趣区域(ROI)可以表示为分段常数或多项式,CT内重建问题就可得到精确稳定的解.问题的关键是如何在截断投影数据的约束下最小化感兴趣区域的全变差(TV).与此同时,Split-Bregman方法在求解CT图像重建TV最小化方面引起了很大关注.本文基于CS理论将Split-Bregman方法用于一个分段常数成像模型的ROI重建,并与传统的SART和基于SART的软阈值算法(STF-SART)进行比较.最后经Shepp-Logan模型数值模拟表明:该方法适用、有效.

基于KFCM与改进CV模型的Split Bregman图像分割方法

针对基于梯度变化的水平集图像分割方法对噪声敏感、计算效率不高、分割结果依赖初始值等问题,提出了一种基于KFCM与改进CV模型的Split Bregman图像分割方法。该算法首先通过核模糊C均值的聚类方法确定出感兴趣区域作为分割初始值,然后采用Split Bregman方法来提高CV模型的迭代计算时间效率。实验结果表明,所提算法不仅保持了CV模型图像分割算法的优势,而且在抗噪性能和分割效率方面有明显效果。

混合Bregman投影算法在Banach空间中分裂不动点问题的强收敛性

在p-一致凸且一致光滑的Banach空间中,利用Bregman投影,构造一新的混合投影迭代算法,逼近Bregman拟严格伪压缩映射不动点集和分裂可行性问题的公共解.目的是将2017年Chen J Z,Hu H Y和Ceng L C的研究结果中的迭代系数α_(n)须满足0<c≤a_(n)≤d<1证明对α_(n)≡1或α_(n)≡0时亦成立.所得的结果是对2017年Chen J Z,Hu H Y和Ceng L C相应结果的拓展和补充.

基于高阶TV正则化的叠前动校正域随机噪声压制方法

常规全变分(Total Variation,TV)去噪模型只考虑水平方向和垂直方向的一阶导数信息,处理存在弯曲同相轴的叠前地震资料时会严重破坏振幅信息,而且振幅的横向渐变特征会被压制,从而引起“阶梯效应”。常利用地震数据的局部倾角信息提高TV模型的保幅能力,但局部倾角信息的计算会受到噪声的严重影响。为此,提出在动校正(NMO)域中利用高阶TV正则化去噪模型对叠前地震资料进行随机噪声压制。该方法首先将叠前地震数据转换到NMO域,NMO对噪声的鲁棒性强,同时避免了局部倾角的计算;在NMO域中弯曲同相轴被拉平,然后对其进行高阶TV去噪;最后通过反NMO还原叠前地震数据。以二阶导数为例构造了高阶TV正则化反演去噪目标函数,并在分裂Bregman优化框架下推导了快速优化求解方法。合成地震数据和实际地震资料的处理结果表明,该方法不仅可以有效压制随机噪声,而且可以消除同相轴弯曲和“阶梯效应”造成的振幅失真,提高了TV去噪方法的保幅性能。

基于数据挖掘的人力资源数据缺失值填补方法

现有人力资源数据缺失值填补方法均方根误差大、填补命中率低等问题。提出一种基于数据挖掘的人力资源数据缺失值填补方法。采用分裂Bregman迭代算法消除人力资源数据中存在的噪声,根据人力资源数据的时间序列特征,挖掘数据中存在的隐藏变量。根据特征对缺失值进行检测。通过FCMSI算法根据缺失值检测结果对缺失值进行填补,采用平均比率法首次填充人力资源数据,通过模糊C均值聚类算法对填充后的数据进行聚类处理,其次在协同过滤思想的基础上进一步对人力资源数据的缺失值进行填补。实验结果表明,所提方法的均方根误差小、填补命中率高。

基于分裂Bregman方法的全变差图像去模糊

针对全变差图像去模糊问题,提出一种基于分裂Bregman方法的全变差图像去模糊算法,利用分裂Bregman方法来优化其求解问题模型.首先,利用辅助变量及其二次惩罚泛函把全变差去模糊优化问题转化为一个等价的无约束优化问题;其次,基于Bregman迭代将其分解为两个子优化问题采用交替最小化方法进行求解;最后,根据子问题结构特点,采用离散傅立叶变换及收缩技术实现子优化问题的快速计算.实验结果表明,在不同尺寸模糊核条件下本文算法能获得有效、稳定的图像复原结果,相比FTVd、IRN去模糊方法,本文算法复原效果更好,计算更加快速.

图像去噪LOT模型的分裂Bregman方法

基于分裂Bregman方法具有较快的收敛速度以及在迭代过程中保持正则化参数为一个常数的优点,提出用分裂Bregman方法来解图像去噪LOT模型的第2步.实验表明,与原始的梯度下降法相比较,该算法具有较快的收敛速度,又能较好地复原图像.

Split Bregman算法在遥感图像边缘检测中的应用研究

针对基于水平集的边缘检测方法抗噪性能差,处理模糊边界和灰度不均匀性的能力弱,计算效率低,边缘检测结果的精确性极大程度上依赖于初始轮廓的位置且曲线演化易陷入极小值等问题,提出一种基于全局最优凸函数变分模型和Split Bregman数字最小化的边缘检测方法。该方法首先根据CV模型的构造原理,并利用Chan的全局最优化思想,构造了一个通用的可以获得全局最优解的凸函数变分模型;在曲线演化和数字最小化迭代过程中,引入了基于Split Bregman的快速迭代算法,可以使曲线在克服噪声等问题的影响下快速、准确、稳定地演化到目标的边界处。实验结果证明了提出的边缘检测方法既具有较高的计算效率,能够满足遥感图像边缘检测对实时性的要求,同时也具有较高的边缘检测精度和良好的普适性。

L1投影问题的分裂Bregman方法

为了解决一般的L1投影问题,提出交替分裂BregmanL1投影算法,并给出了算法的收敛性分析和证明.该算法适用于宽泛的L1投影的线性逆问题,以全变差投影为例,该算法比目前所提出的对偶投影算法收敛速度更快,图像恢复的质量更高.通过图像去噪、去模糊和修补的实验结果表明,相比于目前的对偶投影算法,不论是信噪比还是视觉效果,该算法的结果更优.

一种基于分裂Bregman方法求解的锥束CT图像迭代重建

目的为精确且快速进行低剂量稀疏角度锥束CT图像重建,本文提出一种基于分裂Bregman数学方法的紧框架约束的图像重建算法。方法首先选择紧框架(Tight Frame)作为正则化项,根据压缩感知原理建立最小化目标函数,利用分裂Bregman数学方法将求解问题分为3步:(1)使用改进的前向投影算法快速计算出投影矩阵;(2)引入中间量,用分裂Bregman原理将无法直接差分的L1正则化问题转化为可直接差分的L2正则化问题,并利用共轭梯度算法求解;(3)利用分裂Bregman原理中的收缩公式更新中间量。结果仿真和实际重建的CT图像实验表明,相比于传统的带有正则化约束的凸集投影(POCS)代数迭代重建模式,分裂Bregman方法在图像保真和计算时间等方面均取得了上佳的效果,并且具有广泛的适用性。结论在稀疏角度锥束CT图像迭代重建条件下,本文提出的方法能够快速精确重建出满意的锥束CT图像,且图像重建速度和图像质量较凸集投影方法有较大提高。

基于Wasserstein距离和分裂Bregman方法的图像分割算法

针对基于C-V模型的活动轮廓分割算法无法应用于灰度非均匀图像分割的问题。采用Wasserstein距离作为区域直方图相似性测度,提出基于该测度的非参数活动轮廓分割模型。在模型求解时引入全局凸分割和分裂Bregman方法,减少了计算量。大量实验结果表明该模型不依赖初始轮廓曲线的位置,能够对灰度非均匀图像进行较准确的分割,具有较快的运算速度。

基于Split Bregman算法的MRI图像重建参数分析

压缩感知理论已应用在MRI成像中,作为压缩感知的非线性重建算法的重要分支,以Split Bregman算法为代表的凸松弛法将信号重建问题转化为凸优化问题求解,其计算效率高.对Split Bregman算法的正则化参数功能和调节机制进行了理论研究,分析了正则化参数对该算法收敛精度和收敛速度的影响.仿真结果表明了3个正则化参数对MRI图像重建效率和精度的影响程度.

频率域Bregman自适应稀疏脉冲反褶积方法（英文）

为解决时间域Bregman迭代算法计算效率低、抗噪能力不强的问题,提出了一种高效、自适应的频率域Bregman稀疏脉冲反褶积算法。通过对传统时间域Brgman算法进行频率域推导,得到了一种基于频率域计算的Bregman求解算法。在频率域进行Bregman算法的求解,有效避免了高斯噪音和离群噪音对算法收敛性的影响,并且通过在主频带范围计算,算法较时间域求解效率大幅提高。在求解过程中,引入了广义交叉验证(Generalized Cross Validation,GCV)的方法优选正则化参数,使算法具有了自适应参数选择的能力。通过建立不同的模型,分别使用时间域和频率域Bregman算法进行求解,验证了改进算法在抗噪音、计算效率和自适应方面的优势。最后,将改进方法与常规时间域Bregman算法分别应用于吐哈盆地某实际资料,处理结果表明改进方法较传统算法有更优异的表现。

基于Split Bregman算法的有限角度CT图像重建

对于有限角度投影数据,传统算法重建的CT图像存在伪影严重、噪声明显的现象.基于此,推导建立了CT图像重建的离散化模型,分析了有限角度CT图像重建问题的病态性质,并给出了该问题的L1正则约束求解策略,提出了重建模型的Split Bregman求解算法.仿真实验表明,对于150°有限角度的无噪及有噪投影数据,Split Bregman算法可以获得比传统ART、SART算法更好的主观重建效果,其重建图像的客观评价指标RMSE、AMSE、PSNR和Residuals均优于ART、SART算法重建结果的对应指标.虽然Split Bregman算法重建所需时间较长,但其在有限角度CT图像重建的伪影消除和噪声抑制方面具有一定优势.

基于Split Bregman算法的图像处理

在本文中,我们介绍了图像去噪的经典模型-TV去噪模型,TV去噪能更好地保留图像的边缘细节。我们通过实验使用Split Bregman迭代算法对TV模型进行图像去噪,最终我们得出Split Bregman算法收敛速度快,处理TV去噪模型时也能保留图像的细节。

基于分裂Bregman方法的加权频差电阻抗成像算法

加权频差阻尼最小二乘算法引入正则化方法,对病态的敏感矩阵进行修正,克服了背景对成像结果的影响,在背景阻抗不随频率变化时能够反映异物的位置,但当背景的阻抗随着频率的变化而变化时,背景区域的伪影较多,掩盖了异物区域。由于加权频差中,重建两种频率下的阻抗差值具有稀疏性,针对这一特性,引入L1-范数进行约束并采用分裂Bregman方法对其进行优化求解,改善了这一问题。实验结果表明,优化后的加权频差算法能够减少成像中存在的伪影并能进一步提高成像质量。因此,改进的加权频差算法是一种有效的准静态电阻抗成像算法。