具有噪声估计机制的偏差迭代图像复原

研究了Morozov偏差方程,将图像退化模型的Tikhonov正则化解构造Morozov偏差方程.用小波变换估计图像信号的噪声能量,并运用到Morozov偏差方程中,利用Morozov偏差原理迭代求取正则参数,从而得到正则化解.提出了一种具有噪声能量估计的偏差迭代图像复原正则化方法.实验表明:在图像信号噪声未知的情况下,该迭代方法的图像复原具有较快的计算收敛速度和较好的复原能力.     

一种基于正则化和改进GMRES技术的图像复原算法

基于正则化技术与GMRES算法结合用于退化图像的复原,提出了一种改进的图像复原方法。该方法先利用正则化技术将图像退化模型方程转化为一适定问题,再利用改进的GMRES算法进行计算,得到的解即为最终的复原图像。数值实验表明,该方法的复原效果比标准GMRES算法要好。     

改进的有参超分辨率图像盲恢复

改进了有参超分辨率图像盲恢复中的边界与正则处理以及模糊参数估计方法，用交替迭代优化来估计模糊参数和高分辨率图像，用Neumann边界图像模型和修改边界像素来避免边界错误，用近似重排系统矩阵的带结构矩阵，来构造求解高分辨率图像的预处理共轭梯度算法。人工退化图像序列上的实验结果表明了改进方法的有效性。     

单画幅欠采样图像复原中的插值作用

采用直接复原方法和插值复原方法对单幅欠采样低分辨率模糊图像进行复原实验,以考察线性插值在图像复原中的作用.直接复原法是对采集到的欠采样低分辨率模糊图像直接用最大似然图像复原算法进行复原,不作任何预处理.插值复原法是先对图像进行插值预处理,增加像素数,提高图像采样分辨率,然后再用最大似然图像复原算法进行图像复原.结果是直接复原方法和插值复原方法对欠采样模糊图像的复原,效果相同,主观视觉和评价数据十分接近.这说明通常用于单画幅欠采样模糊图像复原预处理的线性插值没有起到提高复原效果的作用.     

基于稀疏正则化和渐近边界假设的运动模糊图像盲复原

为了复原因相机抖动而产生的运动模糊图像,提出基于L_p范数和全变分范数的正则化盲复原方法;首先,基于模糊图像的梯度稀疏性建立L_p范数正则化模型,利用全变分范数保持图像的结构信息;然后,根据模糊核稀疏性的先验知识建立模糊核的盲估计模型;最后,提出一种渐近边界假设条件对模糊图像进行扩展以抑制振铃,并通过交替最小化方法分别求解清晰图像和模糊核的估计值。结果表明,所提出的方法简单、可行,具有更好的图像复原效果。     

基于l_1正则化的匀速运动模糊图像复原

匀速运动模糊作为运动模糊中最基本的模式,在图像复原中一直都倍受关注,其研究成果被广泛应用于其他图像复原以及图像处理中.将图像稀疏表示的思想引入匀速运动模糊图像复原中,提出一种基于l1正则化的复原算法,并利用基追踪算法有效地求解l1正则化的线性规划问题.由于l1在异常值下表现稳健,使得算法对较宽模糊范围下的匀速运动模糊图像都有稳定良好的恢复效果.为了验证算法效果,对该算法与现有算法进行了大量的对比实验,实测结果表明,该算法能准确恢复图像,且有效抑制振铃效应.     

图像恢复的正则化混合WGMRES算法

基于GMRES算法在处理大规模线性系统的优势,提出了一种图像恢复的正则化混合WGMRES算法。该方法是将加权的GMRES算法与正则化技术结合起来应用于图像恢复问题,首先建立一个特定的图像退化模型方程,在此基础上结合Tikhonov正则化技术将方程转化为一适定问题,然后利用改进的加权GMRES算法进行求解。数值试验结果表明改进算法复原后的图像较于标准GMRES算法复原后的图像在整体视觉效果上和峰值信噪比上都有很大提高。     

基于布雷格曼迭代的稀疏正则化图像复原方法

为了实现模糊噪声图像的清晰化复原,提出了一种基于布雷格曼迭代的稀疏正则化约束的图像复原算法。首先,运用差分算子,得到图像中各个方向上的梯度信息;然后,利用提取的梯度信息,得到图像边缘各个方向上的权重;并结合稀疏性原理,针对复原图像,提出了一种权重的稀疏性正则化约束;最后,运用了一种布雷格曼迭代(Bregman Iteration,BI)策略对提出的方法进行最优化求解。实验结果表明,较近几年的一些具有代表性的图像复原方法相比,不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了0.3~2.5 dB。     

图像复原的边界振铃效应抑制算法

针对散焦模糊图像复原后普遍存在的边界振铃问题,提出了一种基于边界加窗的图像复原算法.首先根据图像的模糊半径和图像大小确定窗口宽度,其次利用余弦函数对模糊图像进行扩展,扩展的宽度即为窗口宽度,再利用标准维纳滤波器复原加窗的模糊图像,最后对复原后图像截取原图大小.实验结果表明,提出的算法可以有效地抑制图像边界振铃,提高复原图像质量.     

用于电容层析成像技术的共轭梯度算法

针对电容层析成像技术中的“软场”效应和病定问题,基于灵敏度矩阵的奇异值分解理论,提出共轭梯度图像重建算法及其改进算法———正则化共轭梯度法.仿真实验得知:经过 200次迭代后,Landweber算法残差为0. 139 5,未加正则化的共轭梯度算法残差为 1. 357 7×10-4;完成同样操作,Landweber算法迭代耗时 9. 3s,共轭梯度法只需 6. 8s.可见,共轭梯度法是一种比其他的迭代算法收敛更快、成像效果更好的图像重建算法.     

基于模拟退火粒子群算法的MIT图像重建方法

为了改善逆问题病态性又能提高图像重建质量,提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度,构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合,以广义交叉准则构建目标函数,进行正则化多参数寻优.结果表明,所提方法不仅有效克服了MIT重建图像数值解的不稳定性,增强了抗噪性能,而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法,为MIT技术应用提供了理论参考.     

基于空间自适应正则化的超分辨率重建算法

针对模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率重建算法。该算法充分考虑了图像的局部特性,引入了空间自适应加权矩阵,采用全局正则化参数与局部正则化参数矩阵相结合的方法,弥补了传统正则化方法所带来的正则化误差以及噪声放大误差。实验结果表明,该算法能够有效地减少重建误差,保护图像的细节信息。     

基于Tikhonov和变差正则化的磁感应断层成像重建算法

为了解决磁感应断层成像(MIT)逆问题的病态性和改善重建图像的质量,提出一种新的组合算法.该组合算法首先利用Tikhonov正则化算法对解的适定性产生初步的成像区域,之后再利用变差正则化算法对解的保边缘性和锐化作用进行图像重建.该组合算法与Tikhonov正则化算法及变差正则化算法相比,不仅有效地克服了磁感应断层成像(...     

基于熵变分的图像去噪模型

针对传统Tikhonov正则化模型存在的不足,根据最大后验概率（MAP）和最大熵的理论,提出了一种基于熵变分的图像去噪模型。该模型利用图像像素点的梯度信息自适应的对带噪图像进行各向异性滤波处理,在去除噪声的同时有效保留了图像的边缘细节。采用变分法推导出了该模型对应的偏微分方程,最后结合梯度加权最速下降法和半点格式的数值迭代算法对方程进行求解。实验结果表明,该模型去噪后的图像比Tikhonov正则化模型具有更好的客观评价指标和主观视觉效果。     

求解线性逆问题的谱共轭梯度法

针对线性逆问题,把原问题的算子方程转化为带有Tikhonov正则项的无约束优化问题,提出一个求解线性逆问题的新谱共轭梯度法,并证明算法的全局收敛性.数值结果表明,新算法是有效的.     

基于L曲线法的电容层析成像正则化参数优化

电容层析成像（ECT）系统的不适定性问题严重影响重建图像质量，为此必须减小灵敏度矩阵的争件数．以Tjkhonov正则化和后验策略为基础，从灵敏度矩阵广义逆的角度阐述了L曲线法并设置滤波函数，建立极小化泛函及L曲线图，最终确定正则参数．仿真实验表明，L曲线法具有较强的抗噪声性能和较快的收敛速度，明显改善了ECT系统的重构图像质量．     

混合正则化模型的交替迭代原理与图像恢复

由有界变差函数的半范数(TV)描述的正则项,在图像恢复过程中,对于图像的纹理部分,容易造成细节丢失;对于图像的卡通部分,容易产生阶梯效应;为克服此缺点,提出一种混合卡通-纹理正则化模型(hybrid cartoon texture regularization model,HCTRM)和交替迭代算法。首先,对受系统和噪声模糊的图像,用Kullback-Leibler函数描述拟合项;对于图像的卡通部分用分数阶TV的半范数来描述,纹理部分用紧框架域L_1范数来描述,建立HCTRM。其次,分析HCTRM解的存在性和唯一性。再次,引入辅助变量,将HCTRM转化为标准表达式,应用交替方向乘子算法(ADMM),将HCTRM分解为2个大的子问题。最后,将每个大的子问题,再分裂为2个小的容易处理的子问题,形成快速交替迭代算法。针对TV的半范数作为正则项,容易消除图像的纹理,且产生阶梯效应的缺点,提出一种HCTRM和交替迭代算法。仿真表明,能有效地恢复非平稳区域的纹理,克服在平稳区域产生的阶梯效应,取得较高的峰值信噪比和结构相似测度。     

一种新Tikhonov正则化方法

由矩阵变换得到一种新的Tikhonov正则化方法,是截断奇异值法和Tikhonov正则化方法的结合.通过3种正则化方法的滤波因子,对3种方法进行概括.并通过大地测量中的控制网平差、重力向下延拓的实例对3种方法进行比较,得出新方法在减小解均方误差、提高未知数的精度等方面具有一定的有效性.     

预条件共轭梯度法在拱坝有限元重分析中的应用

以初始设计的劲度矩阵为预条件矩阵,给出了大型结构有限元重分析的预条件共轭梯度算法.该算法不需要形成和存储修改结构的劲度矩阵,占用内存小,并具有较高的精度和收敛速度.拱坝体形修改有限元分析算例表明,即使设计变量有较大改变时,该方法也能较快地收敛到精确解.