非凸非光滑优化问题的惯性Bregman ADMM的收敛性分析

【目的】针对具有可分结构的非凸非光滑优化问题，提出一种内置惯性Bregman交替方向乘子法。【方法】为了加快算法的收敛速度，在Bregman交替方向乘子法的框架下，对子问题中的Bregman度量内置惯性项。【结果】在生成的点列有界的条件下，利用Kurdyka-Lojasiewicz性质，证明了算法的渐进收敛性。【结论】数值实验结果表明了该算法的有效性。     

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.     

Jacobi谱配置法求解带弱奇异核的Volterra积分方程

研究采用Jacobi谱配置法的一般形式求解带有弱奇异核的Volterra积分方程,是对已有文献利用Jacobi谱配置法的特殊情况的延伸推广.利用数值实验对该方法进行仿真模拟,结果表明该方法是稳定收敛的,且具有较快的收敛速度和较高的收敛精度.     

新的预条件AOR迭代法的收敛性

讨论Z-矩阵线性系统的一类新的预条件AOR迭代法的收敛性.对预条件后的AOR迭代法的系数矩阵进行两种不同的分裂,得到了这两种分裂下的相对应的预条件AOR迭代法的收敛速度分别与基本的AOR迭代法的收敛速度之间的比较定理.最后对这两种分裂间的预条件迭代法的收敛速度进行比较,得出比较结果.     

求解非对称鞍点问题的广义修正的带位移分裂方法

提出了一种求解非对称鞍点问题的广义修正的带位移分裂方法,详细分析了该算法的收敛性质.数值算例表明,新算法是行之有效的,相较其它方法具有更快的收敛速度.     

H-矩阵及其比较矩阵的预条件Gauss-Seidel法的收敛性

讨论了新的预条件矩阵下的预条件Gauss-Seidel法.在更广义的分裂条件下,将此法应用于H-矩阵及其比较矩阵上,并得到了相应的收敛结果和谱半径的比较结果,从而说明应用于H-矩阵的预条件Gauss-Seidel法的收敛速度要比应用于它的比较矩阵的预条件Gauss-Seidel法的收敛速度快.最后,给出一个数值例子验证得到的结果.     

变分不等式证明正则化的线性不适定问题

学习过线性不适定问题正则化以后,发现关于Bregman距离的线性收敛率的证明,是在古典假设的一个标准原条件下推导出来的.利用变分不等式,我们将在文章中讨论一阶收敛率的情况,即残差法、偏差原则的Tikhonov正则化.     

求解分裂可行问题的一种投影算法

分裂可行问题产生于工程实践,在信号处理领域有广泛的应用。基于求解线性变分不等式的投影方法,设计了一类求解分裂可行问题的新的投影算法。通过约束最优化问题与变分不等式问题的等价性理论进行问题转化。该算法不需计算矩阵逆和矩阵最大特征值,具有较好的稳定性。还证明了该算法的全局收敛性并进行了数值实验,实验结果表明该方法具有较快的收敛速度和良好的可行性。     

优化Tikhonov迭代法在电容层析成像中的应用

为了提高电容层析成像的速度和质量,将收敛速度较快的Tikhonov迭代法应用于电容层析成像.Tikhonov迭代法的难点在于正则化系数的选取,通过对其正则化作用的分析,提出利用对灵敏场的奇异值分解,选取最大奇异值作为正则化系数,从而保证算法收敛的稳定性;同时为了提高收敛速度,将线性反演算法(LBP)计算所得的灰度作为迭代的初始值.结果表明:该正则化系数具有更高的稳定性和收敛速度;Tikhonov迭代法与Landweber迭代法相比具有收敛速度更快,重建图像质量更高的优点.     

相对论谐振子解析逼近解的构造

利用牛顿谐波平衡法构造相对论谐波振子的解析逼近周期和周期解. 先引入新变量, 重写关于新变量的控制方程, 再用牛顿谐波平衡法求解. 结果表明: 该方法具有较快的收敛速度; 得到的解析逼近解在振幅全部取值范围内均有效; 构造的解析逼近周期和周期解具有较高的精度.     

隐式开曲面上图像噪声去除的变分模型及其SplitBregman算法

采用符号距离函数的零水平集与另一特征函数取值为1的点的交集表达隐式开曲面,借助于内蕴梯度、内蕴散度等概念,建立了开曲面上图像噪声去除的非线性扩散变分模型。通过引入辅助变量和Bregman迭代参数,设计了所提出模型的SplitBregman算法。最终求解所导出的简单梯度降方程和解析形式的近似广义软阈值公式,实现简单、计算效率高。最后通过多个数值算例对所提出的模型和算法的去噪效果进行了验证。     

基于变分混合模型同步实现图像去噪和反差增强

针对反差较低的且包含噪声的医学图像,依据图像直方图特点设计分段拉伸函数,并与基于梯度和拉普拉斯算子的图像去噪变分模型结合,建立新的变分模型,同步实现图像去噪和反差增强。该模型可有效消除图像光滑区域出现的阶梯效应,从而避免在图像增强过程中出现的假边界问题。同时,还为所提出的模型设计了Split—Bregman算法,以提高计算效率。最后通过实验对所提出的模型和算法的有效性进行了验证。     

噪声图像分割的全局凸优化变分模型

基于二值标记函数及图像噪声分布模型建立了两相图像分割的全局凸优化变分模型。其能量泛函的数据项基于通用的概率分布函数,分割轮廓线的长度用标记函数的总变差近似。在交替优化过程中,当区域参数估计出后,采用凸松弛和阈值化技术计算标记函数实现全局优化,并设计了该全局凸优化模型的快速Split Bregman算法。作为实例,本文实现了基于高斯分布、瑞利分布、泊松分布及伽马分布模型的两相图像分割。     

对图像处理中ROF全变分模型的两种算法的比较研究

全变分图像去噪问题的本质是一类基于全变分的约束极小化模型.其中最经典的模型是由Rudin-Osher-Fatemi提出的ROF模型[1].在这一模型中,正则化参数的选取直接影响到图像恢复的效果,当给定一个适当的正则化参数来平衡数据拟合和正则解时,可以得到十分理想的结论.在过去的二十年中,通过对这一模型的研究,产生了各种有效的算法.不同的算法通过调节正则化参数,都在不同程度上达到了去噪的目的.本文中,应用两种算法：梯度下降法和分裂Bregman算法,对带噪声图像进行了数值仿真和比较,结果显示分裂Bregman算法能够达到更好地去噪效果.     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中，由于敏感度编码(SENSE)重建过程的病态性，当加速因子增大时，其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型，引入一种高效快速的分裂Bregman迭代算法来得到优化解，进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明，与传统TV正则化SENSE重建相比，此算法不但迭代次数少、收敛速度快，而且能够有效消除混叠伪影，提高图像信噪比并减小归一化均方误差.     

一种权重的高阶扩散图像盲复原方法

为了实现对模糊噪声图像的清晰化盲复原,提出了一种权重的高阶扩散图像盲复原方法。首先,在模糊核的估计阶段,运用一种各向异性扩散的图像结构提取策略和shock滤波器将图像中的强边缘准确地提取出来,并利用提取的图像强边缘实现对模糊核的准确估计;然后,在图像的复原阶段,利用高阶扩散模型和权重平衡参数,针对复原图像,提出了一种权重的高阶正则化约束来实现图像的清晰化复原;最后,运用了一种分裂的布雷格曼(split Bregman,SB)最优化迭代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盲复原方法相比,不仅主观的视觉效果得到了较为明显的改进,而且客观的峰值信噪比也增加了1.0~2.7 dB。     

抖动轨迹耦合交替迭代最小技术的图像模糊消除算法

为了解决图像采集过程中因抖动引起的模糊问题,并能消除振铃效应,可对自相关性强烈的图像进行清晰复原,设计了模糊图像抖动轨迹估算函数;引入结构相似度,推导出降噪函数;提出了抖动轨迹耦合交替迭代最小技术的图像模糊消除算法。利用Bregman迭代法与交替最小技术,联合结构相似度,得到离散优化模型,对图像去噪处理;随后嵌入Wallis算子消除扩散效应,得到锐化图像;再由模糊图像与锐化图像,基于权重理论,估算模糊图像抖动轨迹;借助傅里叶逆变换,提取抖动轨迹的空间域;利用维纳滤波对抖动轨迹空间域规范化操作,获取清晰图像。测试了算法的性能。结果表明:与其他技术相比,算法消除自相关性强烈图像的抖动模糊效果更优异,可获得细节清晰的图像。     

三点椭圆拆分算法分析

本文提出了一种对封闭空间图形椭圆的拆分方法,完成对空间中"三点确定的椭圆形"的拆分;提出拆分步长和输出步长两个不同的概念,分别确定拆分坐标点和输出坐标点,拆分方法结合变圆心角增量等步长的椭圆插补算法,通过改变拆分过程中每一个拆分周期所走过的圆心角增量来保证拆分步长的稳定,再根据输出步长,可输出不同精度要求的各点坐标。该算法运算简单、拆分稳定,可任意改变输出步长,灵活性较大,具有较好的实时性。     

基于全变分正则最大后验估计的高光谱图像亚像元快速定位方法

针对高光谱亚像元定位应用中光谱解混这一病态问题的求解,改进了结合空间分布先验全变分（TV）的最大后验估计（MAP）光谱解混模型,以保证算法的可扩展性和解的唯一性.同时,针对TV先验固有的非线性特性导致的求解过程繁琐的问题,提出了一种快速求解算法,将原始复杂的非线性运算转化成几步较简单的有闭合解的运算,对这些子问题结合运用快速迭代收缩阈值算法（FISTA）和分裂Bregman算法来分别求解.结果表明,提出的新方法保持了与传统梯度下降方法相一致的定位精度,但将迭代速度提高了10倍以上,具有更高的运算效率.