热方程Robin系数反演的优化方法

考虑一维热传导方程Robin系数反演问题,基于反问题的唯一性,将反问题转化为优化问题.目标泛函的构造引入了L~2+TV格式的正则化罚项,在讨论目标泛函极小元存在性的基础上,构造一种快速迭代算法,数值模拟结果证明了所提算法的有效性.     

热传导方程Robin系数反问题解的唯一性及正则化解的存在性

Robin系数在热传导模型中刻画了热传导区域边界上的热交换,是一类非常重要的参数,本文基于某小时段温度测量值反演热传导模型中的Robin系数.首先,在边界值以及测量值满足一定的光滑性条件时,给出了反问题解的唯一性;其次,基于Tikhonov正则化思想,通过构造目标泛函将反问题转化为求目标泛函的极小值,并证明了泛函极小元的存在性.     

荧光3维解卷积成像及其正则化方法

解卷积荧光成像方法由于能够提高图像质量,因此在生物领域得到越来越广泛的应用。该文基于RichardsonLucy(R-L)算法,提出全变分(TV)正则化的盲解卷积算法。采用根据实际实验系统参数仿真的球模型以及真实的荧光图像,来比较正则化前后图像的复原效果。结果表明:R-L算法可以去除由于点扩散函数引起的大部分模糊,而随着迭代次数的增加,TV正则化算法能抑制噪声的放大。TV正则化的盲解卷积算法在复原实际的生物图片中效果较好。     

基于混合正则化的最小二乘三维电阻率反演成像

基于经典Tikhonov正则化(classical Tikhonov regularization)的最小二乘反演是三维电阻率反演的主要方法。对于电阻率分片连续的地质体,由于光滑反演解的光滑性使得目标区域与背景区域间边界模糊,不能很好地体现异常体的形态信息和位置信息,成像效果不好。将总变分正则化(total variation regularization)与经典Tikhonov正则化结合,提出混合正则化反演方法,通过模型分析比较经典Tikhonov正则化、TV正则化、混合正则化在反演结果上的不同,证明了引入混合正则化约束的最小二乘反演既保持了经典Tikhonov正则化方法解的稳定性,又具有TV正则化方法解的保边缘性,有效地改善了三维电阻率成像效果。最后将混合正则化的反演方法应用到实际工程,验证了该方法的有效性和实用性。     

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。     

基于正则参数后验策略的PCS迭代正则化反演

采用改进的正则参数后验策略的迭代正则化方法对单峰分布和双峰分布颗粒系的电场自相关函数进行反演,并且与正则化方法反演结果进行了比较.实验结果表明,在噪声小于0.005的情况下,正则化方法和迭代正则化方法都能较好地反演出单峰和双峰分布的颗粒,当噪声水平为0.05时,正则化反演算法已无法得出粒径分布,迭代正则化方法仍能比较准确地反演出粒径分布.     

高阶全变差正则化彩色图像去马赛克

针对全变差(total variation,TV)正则化方法会在恢复出来的图像中产生阶梯效应,提出了一种基于四阶偏微分方程的高阶全变差正则化彩色图像去马赛克模型,此模型在ROF模型的基础上,用四阶范数代替TV范数,消除了ROF模型所产生的阶梯效应。实验结果表明,该模型能取得较好的图像复原效果。     

流体饱和多孔隙介质多参数反演的小波多尺度-正则化高斯牛顿法

将小波多尺度方法和正则化高斯牛顿法相结合,充分利用两种方法的优点,以小波尺度分解作为引导算子确保反演算法的搜索路径,在每一个分解后的尺度上采用正则化高斯牛顿法作为求解算子以解决反问题的不适定性问题,构造了小波多尺度.正则化高斯牛顿法,有效地解决了流体饱和多孔隙介质多参数反演过程中的局部极值和不适定性的问题.通过与传统的正则化高斯牛顿法数值比较,显示了小波多尺度一正则化高斯牛顿法法是一个大范围收敛方法.数值模拟的结果验证了方法的有效性和可行性.     

高炉和二次污染物的对流扩散反问题

对工业区中高炉烟囱、地面煤堆和屋顶积尘等产生的烟尘污染建立对流扩散模型,对源进行离散化后给出正问题的解.从理论上阐明了单点源反问题的适定性和多点源反问题的不适定性,为了克服不适定性,采用Tikhonov正则化方法.适当选取正则化项和正则化参数,并用NNLS算法求解.为减少观测点的实际需要,采用了多种风速下的测量数据,数值模拟结果表明,采用的模型与方法是可行与精确的.     

一种新的正则化图像重建算法及参数优化

针对电学层析成像技术的反问题求解,提出一种新的正则化图像重建算法及正则参数选择方法.采用最小二乘拟合法构建正则参数与评价参数的Matlab数学模型,取极值获得正则参数值;利用COMSOL Multiphysics建立仿真场域,最后利用Matlab求解反问题,重建图像.通过对重建图像及评价参数的对比分析,验证了方法的有效性.结果表明,所用方法及正则参数能够有效改善反问题的病态性,使反问题的求解质量最优.     

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。     

基于改进APG的鲁棒光谱回归在人脸识别中的应用

针对人脸识别中传统的光谱回归方法对于由类标签错误和面部遮挡产生的误差很敏感的问题,提出了基于加速近似梯度的鲁棒光谱回归方法。首先将鲁棒判别子空间的学习问题转化成最大相关熵问题,得出光谱目标和预测之间的最大相关解;然后对相关熵采用总变分正则化,进而学习空间平滑的人脸结构;最后基于半二次化优化的附加形式,将最大相关熵问题投影到混合正则化模型,并通过加速近似梯度算法进行有效优化。在FRGC人脸数据库上的实验结果表明,所提方法对于类标签错误和面部遮挡具有鲁棒性和有效性,与其它几种常用的线性回归、光谱回归方法相比,不仅提高了识别率,而且大大地降低了计算开销。     

混合正则化模型的交替迭代原理与图像恢复

由有界变差函数的半范数(TV)描述的正则项,在图像恢复过程中,对于图像的纹理部分,容易造成细节丢失;对于图像的卡通部分,容易产生阶梯效应;为克服此缺点,提出一种混合卡通-纹理正则化模型(hybrid cartoon texture regularization model,HCTRM)和交替迭代算法。首先,对受系统和噪声模糊的图像,用Kullback-Leibler函数描述拟合项;对于图像的卡通部分用分数阶TV的半范数来描述,纹理部分用紧框架域L_1范数来描述,建立HCTRM。其次,分析HCTRM解的存在性和唯一性。再次,引入辅助变量,将HCTRM转化为标准表达式,应用交替方向乘子算法(ADMM),将HCTRM分解为2个大的子问题。最后,将每个大的子问题,再分裂为2个小的容易处理的子问题,形成快速交替迭代算法。针对TV的半范数作为正则项,容易消除图像的纹理,且产生阶梯效应的缺点,提出一种HCTRM和交替迭代算法。仿真表明,能有效地恢复非平稳区域的纹理,克服在平稳区域产生的阶梯效应,取得较高的峰值信噪比和结构相似测度。     

基于乘数交替方向法的系统图像退化恢复方法

针对一般正则化方法不能有效解决非线性成像和高动态成像的系统退化恢复问题,提出一种非线性图像恢复方法,该方法利用乘数交替方向法解决双边全变差(bilateral total variation,BTV)模型的正则化项不平滑问题.建立包含复原图像的非线性最小二乘数据拟合项和BTV正则化项的目标函数;对目标函数进行优化;构建一套有效的乘数交替方向法(multiplier alternating direction method,MADM)求解提出的模型.利用峰值信噪比(peak signalto noise ratio,PSNR)和结构相似性度量(structural similarity index measurement,SSIM)评估图像恢复结果.对于非线性成像系统退化,提出的方法在PSNR和SSIM方面比基于TV(total variation)模型的方法分别提高4.5％和4.1％.对于高动态的成像退化问题,提出的方法获得的恢复图像PSNR值可达61.89 dB,相比其他方法,至少提高了2.9％.此外,该方法的运行时间也至少节省了26％,具有较高的计算效率.     

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.      

求解线性逆问题的谱共轭梯度法

针对线性逆问题,把原问题的算子方程转化为带有Tikhonov正则项的无约束优化问题,提出一个求解线性逆问题的新谱共轭梯度法,并证明算法的全局收敛性.数值结果表明,新算法是有效的.     

一类Helmholtz方程Cauchy问题的最优误差界

考虑一类Helmholtz方程Cauchy问题,给出这个问题的最优误差界.用谱正则化方法和修正的Tikhonov正则化方法来求解这个问题,得到Holder型误差估计.根据正则化的最优理论,误差估计是阶数最优的.     

L_1正则化问题的对偶性理论

L1正则化问题是一个非光滑的无约束最优化问题,在变量选择,数据压缩和图像处理等领域有广泛的应用。给出了L1问题最优解存在的新的必要条件和充分条件,利用这些条件构造出L1正则化问题的一个MondWeir型对偶问题,最后给出了相应的弱对偶定理和强对偶定理。