ECT图像重建中最小坡度正则化参数选择方法

电容层析成像图像重建反问题常常是不适定的.提出了一种在最小坡度曲线段中选择Tikhonov正则化参数的新方法用于求解这一不适定反问题.对于测量数据的干扰,不适定问题的一些正则化解比其他的解敏感程度低.该方法使用一定准则选取不敏感正则化解中的一个,将这个解对应的正则化参数作为最优值.通过仿真实验,针对两种典型介质分布,将基于最小坡度方法计算的正则化参数与流行的L-曲线法在电容测量数据施加噪声情况下的图像重建结果进行了比较.实验表明基于新方法的图像重建结果要好于L-曲线法.     

带限信号重建的一种新的代数正则化算法

基于 Tikhonov的正则化思想 ,提出了带限信号的一种新的代数正则化算法 .该算法计算复杂性较低 ,能够很好地抑制噪声干扰     

一种自适应Tikhonov正则化参数估计方法

为了解决离散线性反问题中正则化参数选择困难的问题,在Tikhonov正则化方法等效统计模型的基础上,提出了一种自适应Tikhonov正则化参数估计方法.将正则化参数选择的问题转换为关于被测信号和测量噪声的超参数的统计推断问题;基于测量噪声潜在的高斯分布特性,可在独立于测量噪声水平的条件下自适应地估计正则化参数.仿真结果表明:从最大化重建信号后验概率分布的角度来看,自适应Tikhonov正则化参数估计方法计算得到的正则化参数可视为具有随机分布特性的最佳正则化参数的近似折中,其对应的重建信号准确度接近于最优重建信号的准确度,且收敛速度较快.     

一种新的正则化粒子滤波图像恢复算法

引入粒子滤波对解决非线性非高斯模型的优良特性,将一种新的正则化粒子滤波算法(regularized particle filter)应用到混合噪声和乘性噪声图像恢复中.由于采样重要性重采样(SIR)方法在重采样时没有考虑观测量而引入误差,本文方法从后验连续分布中采样,引入观测量进而减少误差,同时将易实现的累积分布函数和正则化重采样步骤融合,进一步使粒子方差最小化,解决粒子衰竭问题,缓解退化现象.通过对具有混合噪声图像以及医学乘性噪声图像的恢复效果表明了该算法的有效性,且与小波阈值法和SIR粒子滤波法对比显示了其优越性.     

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。     

电阻抗成像正则化参数的优化方法

为改善电阻抗成像逆问题的不适定性,通常采用Tikhonov正则化算法来求得适当的解。正则化参数对重建图像的质量和计算速度影响较大。笔者提出了一种基于残差范数和解范数乘积的优化方法(PRS)求取电阻抗成像的正则化参数。为验证该方法的有效性,笔者针对不同的目标大小、目标位置、目标电导率、目标数目以及不同程度的噪声分别进行了重建图像的仿真实验和水槽实验。结果表明：这种优化方法可以快速找到相对最优的正则化参数,且具有良好的抗噪性能。与传统的L曲线方法相比,提高了图像重建质量。     

基于多参数正则化的高分辨率图像重构算法

根据完全重构滤波器的性质,提出一种基于多参数正则化方法的高分辨率图像重构算法。该算法利用多参数正则化方法,恢复图像的高频部分,然后将恢复的高频信号与低频部分叠加,得到重构的高分辨率图像。由于该算法沿不同滤波方向选取不同的正则化参数,因此有效地抑制了噪声对重构图像的影响,改善了图像在边缘部分的重构效果,从而弥补了己有方法的不足。对所提出算法的收敛性进行了分析,并通过数值实验验证文中所提出算法的有效性。     

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(...     

基于加速度反演频域动载荷的一种正则化途径

基于加速度频响函数矩阵反演频域动载荷是病态逆问题,反求的结果精度差,对数据的小扰动敏感,基于Tikhonov正则化方法,提出一种反演途径,将测点响应与待求激励进行归一化变换,在此基础上引入变换后的频响函数矩阵和正则化泛函进行求解,应用广义交叉验证准则选取最优正则化参数.考虑简支矩形薄板上的4个动载荷的识别问题,分析激励点和响应测点的不同位置以及动载荷大小之间相差程度不同的4个算例,将本文方法与不采用归一化变换的正则化求解结果进行2种相对误差的均方根比较.结果表明,利用归一化变换可提高动载荷反演精度,增强正则化方法的抗噪能力,当测点之间的响应以及各动载荷大小相差较大时,明显改善了识别精度.     

基于自回归正则化和稀疏表示的图像超分辨率重建

针对图像超分辨率重建中稀疏系数解不精确和重建图像质量不理想的问题,本文提出了一种空间自回归正则化的超分重构算法.该重构算法联合稀疏K-SVD方法训练一个具有相同稀疏系数解的相对应于高低分辨率图像块的字典对,在此基础上利用自然图像本身具有的局部自回归性先验知识来对图像进行处理,经过模型的训练和选择引入正则化项,实现图像的局部约束,从而完整构造了基于正则化的稀疏编码目标函数,为了进一步实现图像去模糊得到清晰图像,利用退化模型实现全局约束.实验结果表明:与Bicubic、NE和SCR等算法相比,本文算法在主观视觉效果和客观评价指标方面都有了一定地提升.     

求解病态问题的一种新的优化正则化方法

应用紧算子的奇异系统提出一族新的正则化子，从而建立了一类新的求解第一类算子方程病态问题的正则化方法，通过适当选取正则参数，证明了正则具有最优的渐近收敛阶。     

一类抛物型方程逆时反演的正则化方法

在文献[9]的基础上,采用修正泛函含有一个导数的项作为惩罚项,这样保证方程的解具有一定的光滑性。为了克服反问题的不适定性,利用正则化思想,把原问题分解为一系列适定的正问题和一个病态线性代数方程组。利用无条件稳定的Crank-Nicolson有限差分格式求解正问题和用截断奇异值分解法求解病态线性方程组。数值结果验证了正则化方法的可行性和有效性。     

正则化方法求解偶应力反问题

本文引入Bregman函数及其加权函数作为正则项,应用Tikhonov正则化方法,对偶应力反问题相关参数进行识别。利用相关测量信息和计算信息构造最小二乘函数,在考虑材料非均质的同时,建立了便于敏度分析的偶应力正/反问题数值求解模型。文中给出了相关的数值算例,并对信息误差以及不同正则项的计算效率作了探讨。数值结果表明所提的求解策略不仅能够对相关的材料参数进行有效识别,而且具有较高的计算精度、较好的稳定性和一定的抗噪性,采用加权的Bregman距离函数作正则项可以提高计算效率。     

基于偏微分方程的图像正则化恢复算法

总结了作用于数字图像的基于偏微分方程的正则化方法,确定了一个基于迹的方程的一般形式,统一了不同的正则化方法的标准,在此基础上提出一对新的图像平滑函数.用该函数处理噪声图像,在噪声消除的同时能保持良好边缘,且避免了原PDE算法处理图像时常出现的块效应.     

欧式期权波动率校准反问题的正则化算法

标的资产的隐含波动率校准问题无论在理论上还是实际应用中都有重要意义.对于欧式期权,在Black-Scholes模型框架下,提出了一个正则化的最小二乘算法,有效地解决了在期权市场价格已知前提下的隐含波动率校准反问题.最后,通过数值算例说明了方法的有效性.     

一种基于并行遗传算法的超分辨率图像重建方法研究

笔者提出了一种基于并行遗传算法的图像(序列)超分辨率重建的新框架方法.文中给出了算法原理及步骤,并对算法特点和性质进行了详细的分析,与直接使用迭代正则化相比,通过实验的方法选取正则化参数的方法,其最大优势是可通过实验来调整正则化参数,使算法更易搜索到最佳图像估计.最后给出了实验结果以及详细的实验分析,并将其与其它正则化图像插值技术进行了比较,证明是一种新颖实用的方法.     

一种选取线性不适定问题正则化参数的迭代算法

考虑利用Tikhonov正则化方法求解线性不适定问题。基于吸收Morozov相容性原理,提出了一种新的选取正则化参数的迭代算法。该算法简单易实现且具有全局收敛性。给出了算法的收敛性分析,并通过数值算例说明了其数值有效性。     

基于三维模型的改进正则化ERT成像算法

电阻层析成像（ERT）通过对被测场边界注入电流,测量被测场电压变化,重建物场内电导率．针对ERT成像分辨率低,提出一种基于三维模型的改进Tikhonov迭代电阻成像算法．针对Tikhonov正则化参数选择问题,提出基于同伦映射的方法,并利用非线性函数Sigmoid调节正则化参数,以获得的图像灰度值作为Tikhonov迭代法的初始值进行迭代,重建敏感场图像．仿真及实验结果表明,该方法有效地改进了ERT图像质量．     

一维波动方程反问题的不适定性及正则化分析

基于一维波动方程反问题的数学模型,应用奇异值分解分析算子方程的不适定性。讨论了正则解的求解方法,并利用Tikhonov正则化方法克服反问题的不适定性。最后根据正则化参数的确定原则,采用精度高和适应性更好的遗传算法确定最优正则化参数。     

基于小波变换的正则化图像恢复方法研究

介绍了基于小波变换的正则化图像恢复方法,它利用图像小波变换后各个子频带所具有的不同的频率选择性和不同的方向特性,对各子频带采用不同的正则化参数和正则化算子,将图像分解为一个低频子频带LL和三个高频子频带,然后对原图像的各个子频带图像分别进行迭代恢复,使各个子频带分别收敛于其最大信噪比。