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.     

基于贝叶斯估计的小波图像去噪算法研究

利用拉普拉斯分布作为小波系数的分布模型,用贝叶斯最大后验概率估计法估计小波系数,给出了一种小波域自适应去噪算法.实验结果表明,本文算法与普通的软阈值法相比,可以获得更好的去噪效果.     

广义混合变分不等式的Tikhonov正则化方法

极小化问题可以转化为变分不等式,因此,变分不等式是解决极小化问题的一类重要方法.当变分不等式模型中的集合无界时,许多学者研究了各种各样的强制条件,以保证变分不等式的解存在.比较了几种主要强制性条件之间的关系,并在映射具有变分不等式性质时,给出了广义变分不等式解存在的证明,并且用Tikhonov正则化方法解决了不适定广义变分不等式解的存在性问题.广义混合变分不等式是比广义变分不等式更一般的模型,将广义变分不等式的Tikhonov正则化方法推广到广义混合变分不等式,以使Tikhonov正则化方法具有更加广泛的应用范围.为此,主要建立广义混合变分不等式的Tikhonov正则化理论.首先,在更弱的强制条件下,证明了广义混合变分不等式解的存在性,然后给出了广义混合变分不等式的Tikhonov正则化结果.     

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。     

一种改进的基于PDE的图像去噪模型

本文在Perona和Malik及Catte等前人的工作基础上提出了一种新的图像去噪模型,并做了数值仿真,实验结果证明该模型不但能有效地去除噪声,而且能增强边缘并保持边缘位置,使处理后的图像清晰度和对比度都有大大增加,看上去也比较真实自然．     

自反巴拿赫空间中广义变分不等式的稳定性与Tikhonov正则化

在自反巴拿赫空间中,介绍了广义变分不等式的Tikhonov正则化及其相关理论。首先讨论了映射被扰动变分不等式的稳定性结果。基于稳定性,给出了Tikhonov正则化的变分不等式解集的某些特征。此结果推广了该领域已有的研究结果。     

确定隐含波动率的总变分正则化方法

求解隐含波动率是一个典型的PDE反问题,传统的Tikhonov正则化方法往往导致解的过度光滑化.基于波动率的跳跃性、隔夜周末效应等及总变分正则化方法具有较好地保持图像边界的优点,本文以Black-Scholes理论为框架,把确定隐含波动率问题转化为一个抛物型方程的终端问题,进一步提出求解隐含波动率的总变分正则化方法,并证明了解的存在性.     

自反巴拿赫空间中广义变分不等式的稳定性与Tikhonov正则化(英文)

在自反巴拿赫空间中,介绍了广义变分不等式的Tikhonov正则化及其相关理论.首先讨论了映射被扰动变分不等式的稳定性结果.基于稳定性,给出了Tikhonov正则化的变分不等式解集的某些特征.此结果推广了该领域已有的研究结果.     

基于特征比较和最大熵模型的统计机器翻译错误检测

首先介绍3种典型的用于翻译错误检测和分类的单词后验概率特征, 即基于固定位置的词后验概率、基于滑动窗的词后验概率和基于词对齐的词后验概率, 分析其对错误检测性能的影响; 然后, 将其分别与语言学特征如词性、词及由LG句法分析器抽取的句法特征等进行组合, 利用最大熵分类器预测翻译错误, 并在汉英NIST数据集上进行实验验证和比较。实验结果表明, 不同的单词后验概率对分类错误率的影响是显著的, 并且在词后验概率基础上加入语言学特征的组合特征可以显著降低分类错误率, 提高译文错误预测性能。     

基于变分贝叶斯的视觉散焦光图像快速盲复原算法

为实现数字图像的高精度应用,降低外界光线对视觉成像的影响,提出一种基于变分贝叶斯的视觉散焦光图像快速盲复原算法。通过梯度和卷积处理,计算视觉散焦光图像后验概率期望,利用Sobolev空间函数分布方法提取最优初始图像和散焦光模糊函数先验概率。以变分贝叶斯的近似分布思想,无限逼近实际的后验概率;使用相对熵计算多个分布间距离,最大程度贴近真实值;将最小损耗代价函数输入双边滤波器内,即以近似清晰图像为指导图,剔除剩余高频噪声,得到最优图像盲复原结果。实验结果表明,所提算法盲复原后图像对比度高,边缘细节清晰,复原速度快,具有极高的应用价值。     

基于交叠组合稀疏全变分的图像去噪方法

全变分作为一种常用的去噪模型,在图像去噪中较好地保持图像边缘信息,但是容易产生"阶梯效应"。为了克服这个缺点,提出一种基于快速傅里叶变换的交叠组合稀疏全变分去噪模型。首先,充分考虑图像梯度的邻域结构相识性,通过交叠组合计算像素点的梯度,以凸显平滑区域的高噪声污染点和边界区域像素点的差异。然后,基于快速傅里叶变换和交替方向乘子算法在频域中求解去噪模型。实验结果表明,新模型在保护图像边缘信息的同时,有效去除噪声,同时抑制"阶梯效应"。与几种较好的去噪算法相比,新模型的峰值信噪比、结构相识度、视觉效果、计算效率均有明显提高。     

基于贝叶斯估计的图像去噪算法研究

本文提出了一种基于贝叶斯最大后验概率估计（Bayesian MAP）的图像去噪方法。通过 Matlab软件仿真,对均值滤波、中值滤波、小波阈值去噪和本文提出的图像去噪方法进行分析比较。实验表明：本文提出的方法根据图像和噪声的特点,在小波变换之后,对其中的高频系数进行贝叶斯最大后验概率估计,比其他几种图像去噪方法更能提高去噪后图像的峰值信噪比,更好地保留了图像的细节特征,取得了较好的视觉效果。     

基于拉普拉斯模型的双树复小波域图像降噪

分析了图像复小波变换的特点,根据复小波系数服从拉普拉斯分布的特性,采用最大后验概率估计,推导出一种复小波域的软阀值去噪方法。在实验中,分别与图像小波域、复小波域的高斯概率分布模型的去噪方法进行对比分析。结果表明,文中的去噪方法,在去除噪声的同时更好地保留图像的细节信息,且峰值信噪比有所提高,取得很好的降噪性能。     

小波域联合概率分布模型与Bayesian图像去噪

基于小波分解的图像小波系数在层内和层间解相关而相互依存的客观现实,提出了一个联合层内和层间两方向系数的非高斯联合概率分布模型.以此模型作为先验分布,在Bayesian估计理论的框架下,导出小波系数闭式的最大后验(MAP)估计公式,并用高斯噪声污染的典型图像进行了实验.结果显示,由该估计公式计算得到的去噪图像不仅有较少的均方误差(MSE),还具有保护和增强边缘的能力.     

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(...     

多尺度全变差图像去噪算法

结合小波和全变差方法,提出了一种多尺度全变差去噪算法. 该算法结合了小波的多尺度结构,并通过对多层小波分解后的高低频施加不同的正则化参数,在频率域上实行多尺度全变差去噪.实验结果证明,所提出的算法相对于全变差去噪方法和小波去噪方法,能够更好地抑制噪声、保持边缘和消除阶梯效应.     

基于四方向全变分的图像去噪模型

构造了一个四方向全变分（TV4）模型,并给出了求解模型的不动点方法.该模型采用每个像素点的梯度的向前、向后差分定义梯度模,能有效降低全变分（TV）模型的非线性程度.实验结果表明, TV4模型在一定程度上减少了TV模型的阶梯效应,且收敛速度比TV模型快.     

基于四方向全变分的图像去噪模型

构造了一个四方向全变分（TV4）模型,并给出了求解模型的不动点方法.该模型采用每个像素点的梯度的向前、向后差分定义梯度模,能有效降低全变分（TV）模型的非线性程度.实验结果表明, TV4模型在一定程度上减少了TV模型的阶梯效应,且收敛速度比TV模型快.     

基于小波域分类隐马尔可夫树模型的图像恢复

针对自然图像的非平稳特性和图像恢复中计算困难的问题,提出了一种基于小波域分类隐马尔可夫树(CHMT)模型的图像恢复算法.从图像恢复的贝叶斯框架出发,将CHMT模型作为自然图像小波域的先验知识,构造正则化约束进行图像恢复.该模型具有空间适应性,使建模更加精确.对恢复方程的求解,采用了分类简化的共轭梯度算法.实验结果表明,该算法具有较低的计算复杂度,能提高图像恢复峰值信噪比(PSNR).