图像分割问题的梯度投影算法

针对Berkels提出的无约束严格凸的图像分割模型,在Bermudez-Moreno对偶算法的基础上提出了一种不仅易于实现并能快速得到全局极小值的梯度投影算法.首先,解释了Bermudez-Moreno对偶算法可用于模型问题的求解并推导出迭代计算格式;然后,证明了迭代格式的收敛性并分析了其收敛速度;最后,仿其实验表明了所提出算法能够有效地、快速地求解图像分割问题.     

约束变尺度类算法（Ⅱ）——两步超线性收敛的广义投影梯度约束变尺度方向类

将Ｈａｎ－Ｐｏｗｅｌ和文献［１］中算法的思想有机的结合在一起,构造了广义投影梯度约束变尺度方向所满足的线性系统．从而建立了具有两步超线性收敛的广义投影梯度约束变尺度类算法Ｃ．该算法为统一算法模型Ａ提供了一个重要的子类．到此,统一算法模型Ａ已包括了Ｈａｎ－Ｐｏｗｅｌ算法和既约梯度、投影梯度型、广义投影梯度型约束变尺度类算法．从而形成了一个丰富的理论算法库．与此同时,这些算法也被自然的推广到非单调一维搜索的情形．     

加权变分的图像去噪算法

针对经典的总变分去噪模型边缘信息对噪声敏感且易模糊的缺陷,提出了非线性与线性的加权变分模型。非线性加权变分模型是在总变分模型的正则项中引入权函数,并利用权函数引导扩散,使得新模型在消噪的同时更好地保持图像的纹理特征和边缘信息;线性加权变分模型是对含噪图利用高斯函数进行预处理,再对处理后的图像进行扩散,从而降低计算复杂度。数值实验表明,与经典的总变分模型相比,改进的方法无论是在视觉效果还是峰值信噪比上都有明显的提高。     

一种新颖的变步长仿射投影算法

通过玫进传统仿射投影算法(APA)的约束条件,提出了一种新的变步长仿射投影算法(VSS-APA).该算法具有随估计误差的变化自动调整步长的特点,同时克服了传统APA不能充分反映更新后的自适应滤波器系数应该尽可能逼近未知系统参数的缺点.在算法实现中,提出了简单有效的遗忘因子选择规则,以实现对误差能量的准确估计.最后将该算法成功应用于系统辨识.理论分析与计算机仿真表明,该算法有更快的收敛速率和更小的稳态均方误差.     

基于矢量约束的随机特征点选取算法

无人机利用视觉在未知区域自主着降时,提取的特征点具有数量多、随机性强等特点。针对利用随机特征点进行位姿估计精度低、稳定性差的问题,提出一种基于矢量约束的随机特征点选取算法。首先通过分析位姿估计方程可知,特征点地理坐标是影响方程组求解精度的重要因素;然后在引入矢量角均分度、矢量模值均值及矢量模值最大值三项约束指标基础上,制定了一种基于矢量约束的特征点选取策略;最后利用正交迭代算法对所选取的特征点进行位姿估计精度验证。实验结果表明,提出的算法相比于随机选取的特征点进行相对位姿估计精度更高,鲁棒性更强。     

基于机会约束规划的机会阵雷达功率资源管理算法

研究了在进行多目标跟踪时机会数字阵列雷达(opportunistic digital array radar, ODAR)的功率资源管理问题。针对复杂多变的环境和未知的目标信息所导致的不确定性,建立了基于随机和模糊机会约束规划(chance constraint programming, CCP)的多目标稳健功率资源管理模型。模型引入随机变量表征雷达总发射功率,引入模糊变量表征每个目标的RCS,以贝叶斯克拉美罗界(Bayesian Cramer Rao lower bound, BCRLB)作为目标跟踪精度的衡量标准,将随机模拟和模糊模拟都嵌入到遗传算法(genetic algorithm,GA)当中,从而预测出下一时刻满足给定置信水平的各目标最优的功率分配,然后根据求解出来的功率分配情况,利用无迹卡尔曼滤波器(unscented Kalman filter, UKF)进行目标跟踪。最后,通过仿真实验验证了算法的有效性和稳定性。     

图像多相分割的变分水平集方法

基于通用的区域模型和通用的区域划分特征函数提出了一种图像多相分割的变分水平集模型,其中区域模型基于图像噪声分布的最大后验概率,特征函数的定义基于水平集函数的Heaviside函数及区域编号的二进制表达.实现了用N个水平集函数划分2N个区域的划分策略.在能量泛函中增加了水平集函数作为符号距离函数的惩罚项,避免了水平集函数重新初始化的过程.相应的演化方程采用半隐式差分格式进行离散,并给出数值算例进行验证.     

基于小波和变分泛函的图像分解

提出了一种小波域图像分解算法,该算法通过在小波域中最小化一个变分泛函把图像分解成u和v两部分,其中u在Besov空间B11(L1)表示图像的几何特征,v在对偶空间B∞-1(L∞)刻画了零均值振荡信号,如纹理和噪声。在求解泛函最小值时,采用一种新的迭代的子空间投影方法,利用该投影方法得到图像在小波域中的分解部分序列,重构该序列的极限即可得到图像的分解部分,同时给出了该迭代方法的收敛性证明。实验结果表明新模型比Daubechies-Teschke模型能更好地分解图像,尤其是低噪声图像。     

反向投影成像算法的理论分析及目标特征恢复

分析了用于超宽带冲激信号 SAR系统的反向投影 (BP)成像算法 ,得出了BP算法固有的旁瓣形成解析式及旁瓣分布 ,说明了成像结果中系统频率特性对目标特征的频率有加权作用 ,并且是造成成像畸变的主要原因。提出了对回波信号逆滤波以恢复目标特征及采用匹配滤波来抑制成像旁瓣的方法。对冲激雷达实验系统的成像数据的处理结果表明 ,提出的逆滤波方法是有效的。     

基于机会约束的手术计划随机模型与算法

本文研究多服务台手术计划调度问题,考虑手术时间的不确定性,提出手术室加班时间的机会约束,以一定的概率保证病人的手术时间不超过手术室的开放时间,建立随机优化机会约束手术计划调度模型,确定手术室的开放和分配决策.基于手术时间离散的概率情景,引入0-1变量转化机会约束,得到了0-1整数线性规划的等价模型.为了提高模型的求解效率,提出两类有效不等式,并设计最长路径算法分离第二类有效不等式,利用分支切割方法进行模型求解.算例分析,基于北京某医院的实际数据,验证算法的有效性,确定最优的手术计划调度方案,有效地优化配置手术室资源.     

改进混合正则化约束多帧湍流退化图像盲复原方法

针对高速湍流造成成像平台接收目标图像模糊的问题,基于L₀正则化图像盲复原方法,提出了一种改进的混合正则化约束多帧湍流退化图像盲复原方法。首先,根据湍流退化时空变化关系,构建多帧退化图像复原模型描述湍流退化过程。其次,图像正则项在图像梯度L₀范数正则化基础上,增加图像梯度的L₂范数约束,改善复原图像中的阶梯伪像。再次,针对模糊核正则项,依据对湍流退化图像点扩散函数特性分析,提出了L₀-L₂混合正则化约束,保证了支持域的连续平滑特性。最后,使用多尺度图像金字塔的策略优化了求解过程。实验结果表明,该方法较好地复原湍流退化图像,与近年提出的具有代表性算法相比,在视觉效果和客观质量评价指标均有提升。     

Wavelet inverse scale Space for image restoration

This paper proposes a model for image restoration by combining the wavelet shrinkage and inverse scale space (ISS) method. The ISS is applied to the wavelet representation to modify the retained wavelet coefficients, and the coefficients smaller than the threshold are set to zero. The curvature term of the ISS can remove the edge artifacts and preserve sharp edges. For the multiscale interpretation of the ISS and the multiscale property of the wavelet representation, small details are preserved. This paper illustrates that the wavelet ISS model can be deduced from the wavelet based on a total variation minimization problem. A stopping criterion is obtained from this minimization in the sense of the Bregman distance in the wavelet domain. Numerical examples show the improvement for the image denoising with the proposed method in the sense of the signal to noise ratio and with fewer details remained in the residue.     

基于增广拉格朗日乘子的快速高阶全变分图像去噪方法

高阶全变分图像去噪方法利用图像方向导数的可分L1范数,构建优化方程进行图像去噪,可以在去除图像噪声的同时有效保留图像中的细节信息。然而传统高阶全变分方法计算复杂度较高、耗时较长。针对此问题,提出了一种基于增广拉格朗日乘子的快速高阶全变分图像去噪方法。首先,利用Huber方程重建高阶全变分优化方程;其次,通过添加辅助变量及引入拉格朗日乘子,将优化方程转换为两个较易求解的子问题进行交替最小化迭代求解。实验证明,在相同条件下,与传统方法相比,基于增广拉格朗日乘子的高阶全变分图像去噪方法可以大幅提高运算速度,并且能在去除图像噪声的同时更好地保留图像边缘、纹理、细节等信息,获得视觉效果更好的去噪图像。     

图像恢复问题的梯度稀疏化正则方法

针对图像恢复中边缘损坏及细节丢失等问题,从分析梯度直方图的分布特征及梯度稀疏性最佳表示出发,提出了一种基于梯度稀疏性的正则方法,建立了具有梯度先验信息的图像恢复模型。该模型不仅能够增强图像的细节特征,而且能够在去除模糊及噪声与保持图像边缘之间取得很好的平衡。设计了一种新的优化算法对模型进行求解。实验结果表明,新算法快速有效且收敛性好, 新模型能够在很好地去除模糊和噪声的同时,有效保留图像边缘及纹理等信息。     

融合深度图像先验的全变差图像着色算法

提出了融合深度图像先验的全变差(total variation,TV)图像着色模型,在即插即用(plug-and-play,PnP)框架下,结合交替方向乘子法(alternating direction method of multipliers,ADMM),设计出相应的数值求解算法,并给出该算法的收敛性结果.数值实验...     

基于空间约束加权条件稀疏表示高光谱图像分类

为了充分利用稀疏表示分类信息和高光谱图像的空间信息,提出结合马尔可夫随机场的加权条件稀疏表示高光谱图像分类算法。该算法对稀疏表示分解后的残差向量建立条件稀疏表示模型,在计算残差向量的类别归属时引入频段方差信息;利用光谱信息散度从信息熵的角度挖掘重构光谱中的类别鉴定信息;在期望最大化算法模型中,将条件稀疏模型与光谱信息散度模型相结合,使算法具备迭代自更新的能力;将马尔可夫随机场引入加权条件稀疏表示算法,在算法时间复杂度不变的情况下,对高光谱图像的空间信息予以提取。仿真结果表明,该算法能够有效地提高分类精度,且在不同试验数据下具备良好的稳定性。     

基于边界特征点提取的约束Delaunay三角剖分算法

在地形表达上不规则三角网应用广泛,实际中用到最多的也是Delaunay三角网剖分算法。针对约束数据域下的Delaunay三角剖分通常不满足DT特性的问题进行了阐述,分析了已有的三种引入附加点的算法,算法主要从几何的角度考虑如何减少附加点的数量,而加入附加点的最终目的在于获得更加真实的地形,因而提出了基于边界特征点提取的约束Delaunay三角剖分算法,算法实质就是在加入特征约束之前提取能够满足可以真实再现地形的所有特征点作为新的特征约束,省去附加点的概念,应用现有的Delaunay三角剖分算法进行构网,保证构建后的地形仍具真实感。     

Fast segmentation approach for SAR image based on simple Markov random field

Traditional image segmentation methods based on MRF converge slowly and require pre-defined weight. These disadvan-tages are addressed, and a fast segmentation approach based on simple Markov random field (MRF) for SAR image is proposed. The approach is firstly used to perform coarse segmentation in blocks. Then the image is modeled with simple MRF and adaptive variable weighting forms are applied in homogeneous and heterogeneous regions. As a result, the convergent speed is accelerated while the segmentati...     

基于积分图像的快速ACCA-CFAR SAR图像目标检测算法

提出一种新的基于自动索引的单元平均恒虚警概率目标检测算法。首先采用具有较强模型兼容性的G0分布对杂波统计特性进行建模;通过基于G0分布的全局阈值预分割算法生成目标索引矩阵,以去除干扰目标像素,提高恒虚警概率算子对复杂场景的适用性;采用一种基于积分图像的快速策略,大大降低了算法的运行时间,使得算法的计算时间复杂度与滑动窗口的尺寸无关;最后,通过计数滤波和形态学处理得到精确的目标检测结果。所提算法既具有自适应性,又比现有同类算法的运算速度大大提高,通过TerraSAR-X图像实验结果证明了该方法的有效性和工程实用价值。     

医学体数据中面向数值分析的等值面重建算法

Marching Cubes是医学体数据可视化的经典算法,但生成的等值面网格存在拓扑二义性和单元质量两方面的缺陷,无法为生物组织物理仿真中的数值分析提供良好的几何模型,为此,提出一种基于数据点编移的改进Marching Cubes算法。算法将数据场分解为点、边、面和体素四类元素;以33种剖分模式为依据,构建二义性检测索引表,通过提出的基于面状态的渐近线判别法,以统一的方式解决面二义性和体二义性问题;分析单个体素中产生退化三角形的原因,提出基于局部判别法的数据点偏移策略,使体素的活跃边与等值面近似垂直,达到提高网格质量的目的。对比实验表明,该方法在有效保证网格拓扑的基础上,显著提高了单元质量,生成的模型不仅适用于体数据可视化,还适用于进一步的数值分析。