基于广义对称超松弛迭代法的图像复原

针对求解大型线性系统的图像复原问题,基于半步迭代的思想,提出了一种求解图像复原问题的对称超松弛迭代方法.该方法既保证了迭代矩阵的非奇异性又加快了求解速度.在两个实际图像复原问题上的数值实验结果表明,相比其他复原方法,该方法复原效果好且速度快,在评价指标方面体现了优越性.     

改进的预处理共轭梯度图像复原算法

针对Tikhonov正则化的预处理共轭梯度图像复原算法中模糊图像取全零扩展矩阵的不足之处,研究了零边界条件下Tikhonov正则化的预处理共轭梯度算法. 提出了新的模糊图像的扩展矩阵,降低了原矩阵向量积的计算误差,修正了初始梯度的取值. 改进算法更符合真实的图像退化过程,有效提高了复原的图像质量. 实验结果表明:对于各种退化造成的模糊图像,与当前求解全变分正则化的IST、TwIST、SALSA算法比较,本文算法复原效果优于当前流行的图像复原算法.      

非线性互补问题的改进超松弛迭代算法

运用松弛迭代算法与矩阵分裂理论,提出了求解非线性互补问题的改进超松弛迭代算法.这类算法设计了两个参数:第一个参数控制了迭代阵的谱半径,从而使算法收敛,适当选取第二个参数,加快了算法的收敛速度.在一定条件下证明了算法的全局收敛性.     

广义迭代Tikhonov正则化方法的参数选取

在模型具在误差的情况下，讨论了求第一类算子方程解的含闭算子的迭代Ｔｉｋｈｏｎｏｖ正则化方法，运用谱理论建立使正则化逼近解具有最优收敛阶的选取正则参数的方法，得到收敛性及收敛阶估计定理。     

基于微分流形的图像复原方法

<正>则化是图像复原领域为获取理想复原结果,将图像复原的优化模型与约束条件整合为统一的优化目标的重要手段.针对传统正则化复原模型中仅基于单一先验的假设的不足,提出了流形正则化的方法,将图像空间看作一个"弯曲"的图像流形,通过修正绝对高斯曲率和对图像中的不同特征进行标识和分类,然后针对不同特征区域采用不同的先验形式进行正则约束,并针对多种正则化约束的模型设计了基于E-M算法的交叉迭代图像复原方法.实验验证了该方法在去噪和去模糊方面取得了比经典全局单一范数约束方法更好的信噪比.     

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。     

预条件SOR迭代方法及收敛性的比较

在不同的预条件矩阵下给出了SOR方法,然后得到比较定理,推广了Niki,et al.（2004）的结果.当实参数ω=1时,即为Niki,et al.（2004）的结果,从而更好的说明选择适当的预条件矩阵能加快收敛速度,最后给出2个例子来说明该文的定理在应用上更具有一般性.     

预条件Jacobi迭代方法及比较定理

利用一种新的预条件矩阵讨论了预条件Jacobi迭代方法,得到了比较定理,并且揭示了预条件Jacobi迭代方法的收敛速度和参数之间的关系.     

预条件AOR迭代方法及比较定理

提出了在预条件I+S_(αβ)~*下的AOR迭代方法,当线性方程组的系数矩阵为不可约L-阵时,给出了比较定理.证明了预条件I+S_(αβ)~*下AOR迭代法的收敛速度要快于Li等人给出的在预条件I+S_α下的AOR迭代法收敛速度,最后用数值例子验证了比较定理.     

基于空域正则化的模糊图像复原方法

以解决病态问题的正则化技术为基础,针对模糊图像的复原问题提出了一种新的空间域复原方法。在空间迭代运算中引入自适应的正则化参数,使其自动修正到最优,通过锐化图像进行后续处理,由此增强了原图像中重要的信息及边缘纹理部分。计算机仿真结果表明,与传统的迭代正则化方法相比,该方法的复原图像在改进信噪比数值(ISNR)和主观视觉效果上都有明显提高。     

逐次超松弛法因子的选取

文章在系数矩阵A满足对称正定的情况下给出了一类解大型稀疏线性系统Ax=b的最新方法,即渐近最优超松弛迭代法,避免了传统选择最佳松弛因子带来的不便,并通过理论性证明此算法收敛于Ax=b的解或近似解.     

多分辨预处理技术加速PO-MOM混合方法的研究

结合复杂物体散射特性的电磁计算问题,研究了物理光学(PO)与矩量法(MOM)相结合的混合技术,寻求PO-MOM方法减少计算时间和存储空间、提高计算精度的途径;针对矩量法在求解过程中的迭代问题,引入多分辨预处理技术,并给出算例.结果表明,在满足计算精度不变的前提下,使用PO-MOM混合方法提高了计算效率.     

关于加速松弛法的注记

本文指出加速松弛法对由微分方程离散所得到的一大类线性代数方程组无“加速”效果。     

基于傅立叶-小波HMT方法的卫星图像恢复

卫星图像的恢复是一个病态逆问题.本文提出降值卫星图像在傅立叶域中进行Wiener反卷运算后,在复数小波域中利用隐含Markov树(HMT)进行去噪的傅立叶-小波HMT图像恢复算法.典型卷积加噪线性降质卫星图像的仿真实验结果表明,建议的基于傅立叶-小波HMT方法在客观指标,以及视觉效果上都比常用的Wiener恢复算法有较大的提高.     

一类VIP异步逐次超松驰迭代的收敛性理论

本文针对一类具有矩形约束区域的非一性变分不等式问题，建立用异步并行逐次超松驰迭代数值求解的收敛性理论。     

基于改进的Chambolle对偶迭代的图像分割方法

为了克服基于对偶迭代的分割方法在要求达到较高精度的分割时收敛较慢的缺点,提出了对二相位分片常数Mumford-Shah模型的一个子问题采用改进的Chambolle对偶迭代进行求解.通过对Chambolle对偶迭代和一种修正对偶迭代分别进行局部傅立叶分析,证明了所提出的算法的合理性.实验结果表明:对于two-cell图像,dot256图像,当终止准则精度要求更高时,提出的算法迭代步数少,收敛更快.     

稀疏线性方程组求解的逐次超松弛迭代法

针对稀疏线性方程组求解问题，在论述迭代法离散化处理基础上，以二维热传导方程为例，导出了热传导方程离散化后线性方程组，用超松弛（SOR）迭代法对产生的稀疏线性方程组进行迭代法求解，并分析了收敛性和收敛速度，将超松弛迭代算法在计算机上实现，得出了一组与精确解较接近的数值解，验证了逐次超松弛（SOR）迭代法的精确性。     

基于迭代技术的图像轮廓提取方案的研究与实现

图像轮廓提取算法通过识别每个像素在其邻域内灰度的变化而检测出图像的边缘;但由于图像的复杂性和随机性,特别是自相关性强烈的图像,其微结构往往是十分复杂的。典型的轮廓提取算法已经无法直接用于其图像轮廓的提取,而且几乎无法从图像中提取到较为清晰的目标轮廓。对此,提出一种新的基于迭代技术的图像轮廓提取方案来改善;并通过VC++6.0软件进行验证。首先使用分形技术方法对图像进行了处理,噪声干扰因素得到了有效的降低;通过这样的办法净化了图像背景并增强了图像元素之间的差异度。然后对图像进行微分提取算法的轮廓提取。结果表明:传统图像边缘提取技术与分形迭代技术结合起来的新方案能够有效的区分图元颗粒的形态,可以从自相关性强烈的图像获得比较清晰的轮廓,从而更清晰地揭示图像组成元素的图元结构。该方法对图像处理范畴的拓展以及图元微结构的识别判定都有积极的指导意义。