基于Split Bregman算法的图像处理

在本文中,我们介绍了图像去噪的经典模型-TV去噪模型,TV去噪能更好地保留图像的边缘细节.我们通过实验使用Split Bregman迭代算法对TV模型进行图像去噪,最终我们得出Split Bregman算法收敛速度快,处理TV去噪模型时也能保留图像的细节.     

自适应的L1-L2范数正则化图像去噪方法

提出了一种自适应的L1-L2范数正则化图像去噪方法.相比传统的L1范数正则化与L2范数正则化,新方法有效消除了阶梯效应,同时较好的保持了图像边缘信息.为了提高计算效率,将Split Bregman算法框架应用到提出的模型中,有效的提升了收敛速率并减少了计算时间.实验结果与分析验证了L1-L2范数正则化模型在图像去噪效果与计算效率的有效性.     

基于Split Bregman算法的MRI图像重建参数分析

压缩感知理论已应用在MRI成像中,作为压缩感知的非线性重建算法的重要分支,以Split Bregman算法为代表的凸松弛法将信号重建问题转化为凸优化问题求解,其计算效率高.对Split Bregman算法的正则化参数功能和调节机制进行了理论研究,分析了正则化参数对该算法收敛精度和收敛速度的影响.仿真结果表明了3个正则化参数对MRI图像重建效率和精度的影响程度.     

基于方向信息测度的非局部正则化图像去噪方法

针对非局部正则化在图像去噪过程中计算复杂度高、复原速度慢的问题,基于方向信息测度提出了改进的非局部正则化方法.在图像的边缘轮廓区域使用保边性能较好的非局部正则化方法,而在图像的平坦区域使用各向异性全变差模型,且该全变差模型由基于Bregman迭代正则化方法的快速迭代算法进行求解.实验结果表明:基于方向信息测度的非局部正则化方法在快速消除图像噪声的同时,能有效地保留图像的边缘和纹理等结构信息.     

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。     

基于Euler弹性项的去噪模型及Split bregman算法

TV去噪模型是基于一阶导数总变差的变分模型,容易在光滑区域出现阶梯效应。通常利用高阶导数信息来使图像扩散更加平滑。Euler弹性项使用光滑的边界对图像进行处理,广泛应用于图像遮挡,修复,分割等领域。本文主要研究基于Euler弹性项的图像去噪模型,并采用Split Bregman算法实现,有效地改善了TV模型的阶梯效应,并用数值实验验证了算法的有效性。     

一种快速的四方向全变分图像去噪方法

图像去噪是图像处理领域的重要研究方向之一.在众多图像去噪算法中,全变分去噪方法由于其良好的数学解释引起学者们的广泛关注.传统全变分方法挖掘了图像横向和纵向的梯度信息,因此可通过增加方向数量进一步提高去噪性能.其导致的结果是由于去噪模型中约束条件增加将产生更大的计算量.本文首先通过快速傅里叶变换和卷积理论将空间域的四方向全变分约束问题转换成频率域,然后结合分裂Bregman迭代算法进行快速图像去噪.经与业内其他先进方法进行对比,本算法的快速性与有效性得到了验证.     

含Euler弹性项图像修复变分模型的快速Split Bregman算法

在图像修复的变分模型中引入Euler弹性项可有效修复大破损区域,但直接对该模型变分将导致高阶偏微分方程,其离散差分格式复杂、计算效率低.本文通过引入多个辅助变量和Bregman迭代参数将原模型转化为简单的Split Bregman迭代优化模型,并采用交替优化方法得到关于原变量和辅助变量一系列简单的Euler-Lagrange方程或广义软阈值公式.最后通过多个实验验证了算法的有效性.     

基于归一化曲率项的单幅运动模糊彩色图像盲复原

运动模糊图像的盲复原在现有的方法中多数针对灰度图像,而彩色图像是由多个图层耦合而成,将彩色图像转化为灰度图像过程中必然会造成信息丢失。针对彩色图像的去模糊问题,提出多尺度框架下,将曲率项对彩色图像的边缘保护特性和归一化的曲率项的正则化约束相结合,在彩色图像各个通道上由粗尺度到细尺度估计模糊核,采用多通道全变分模型(Multi-channel total variation,MTV)进行图像复原。为降低去模糊方程的求解复杂度,求解时引入快速分裂(Split Bregman)算法。实验结果表明,尽管曲率项会加大算法的计算量,但是复原后的图像细节效果更明显,质量更好。     

基于分段FFT的脉冲伪卫星信号捕获方法

建立了脉冲伪卫星信号捕获模型,并针对传统的饱和接收方法无法适应脉冲伪卫星组网应用下信号接收的问题,提出一种基于分段快速傅里叶变换(FFT)的脉冲信号捕获方法. 该方法是一种串并行结合的捕获方法,既保证了捕获概率,又能极大地降低捕获时间. 对分段FFT捕获方法和串行捕获方法的捕获时间进行了比较,研究了FFT方法在不同分段策略下的捕获性能,并针对脉冲截断问题提出了脉冲截断检测算法和分段调整方法. 仿真验证了该方法的有效性.     

对图像处理中ROF全变分模型的两种算法的比较研究

全变分图像去噪问题的本质是一类基于全变分的约束极小化模型.其中最经典的模型是由Rudin-Osher-Fatemi提出的ROF模型[1].在这一模型中,正则化参数的选取直接影响到图像恢复的效果,当给定一个适当的正则化参数来平衡数据拟合和正则解时,可以得到十分理想的结论.在过去的二十年中,通过对这一模型的研究,产生了各种有效的算法.不同的算法通过调节正则化参数,都在不同程度上达到了去噪的目的.本文中,应用两种算法：梯度下降法和分裂Bregman算法,对带噪声图像进行了数值仿真和比较,结果显示分裂Bregman算法能够达到更好地去噪效果.     

图像去噪LOT模型的分裂Bregman方法

基于分裂Bregman方法具有较快的收敛速度以及在迭代过程中保持正则化参数为一个常数的优点,提出用分裂Bregman方法来解图像去噪LOT模型的第2步.实验表明,与原始的梯度下降法相比较,该算法具有较快的收敛速度,又能较好地复原图像.     

多粒度PPI网络描述模型及其蚁群优化的功能模块检测方法

针对蚁群算法在大规模蛋白质相互作用(protein-protein interaction,PPI)网络中进行功能模块检测所暴露的时间性能方面的不足,提出了一种基于多粒度描述和蚁群优化的快速求解算法。首先,从粒度计算的角度,给出了一种新的多粒度PPI网络描述模型;然后,基于该模型,设计了融合功能和结构信息的粒度划分,粗粒度的蚁群寻优,解的还原与优化3个阶段的求解过程。在大规模PPI网络上的实验表明:算法在保证检测质量的同时,能显著降低利用蚁群算法进行功能模块检测的求解时间,而且与近年来的一些经典算法相比在检测精度上也具有一定的优势。     

一种快速FFT处理器的地址生成方法

研究一种适用于VLSI设计的高速、低功耗快速傅里叶变换(FFT)处理器中操作数与旋转因子的地址快速生成方法.通过引入r进制数(r＝2,4,8,...)的概念对离散傅里叶变换(DFT)算法进行重新推导,并利用r进制数的运算规则得出了一种新的基r数的固定点与可变点长Cooley-Tukey FFT算法的地址快速生成方法.该方法还进一步减少了旋转因子的读取次数,并对可变点长FFT处理器中旋转因子的存储容量进行了压缩.     

基于Fibonacci堆实现的Prim算法及其分析

在一些网络优化应用中经常需要求解最小生成树.本文首先介绍了一种叫做"Fibonacci堆"的数据结构,并阐述了如何用Fibonacci堆来实现prim算法.然后对算法的时间复杂度进行了分析,说明用此方法实现prim算法有较好的时间性能.     

噪声图像分割的全局凸优化变分模型

基于二值标记函数及图像噪声分布模型建立了两相图像分割的全局凸优化变分模型。其能量泛函的数据项基于通用的概率分布函数,分割轮廓线的长度用标记函数的总变差近似。在交替优化过程中,当区域参数估计出后,采用凸松弛和阈值化技术计算标记函数实现全局优化,并设计了该全局凸优化模型的快速Split Bregman算法。作为实例,本文实现了基于高斯分布、瑞利分布、泊松分布及伽马分布模型的两相图像分割。     

基于FFT的GPS信号快速捕获算法研究

GPS信号捕获是GPS接收机信号处理的关键技术之一,选择合适的捕获方法对接收机的工作性能有很大改善.传统的串行捕获算法计算量大,捕获时间长,无法满足GPS接收机实时处理的要求,而基于FFT的GPS信号快速捕获算法弥补了串行捕获算法的不足.通过MATLAB仿真对基于FFT的GPS信号快速捕获算法进行了仿真实验,并采用Monte Carlo方法对算法的频偏及码偏估计性能进行验证.仿真结果验证了FFT捕获算法的有效性和可靠性.     

快速傅里叶变换的误差分析

分析了按时间抽取(DIT)基-2快速傅里叶变换(FFT)的误差,数据格式为二进制补码.给出了蝶形运算误差分析模型,利用FFT信号流图的特点,针对截断、舍入和收敛舍入3种量化方法,得到了准确的定点和块浮点两种FFT算法的均方误差上下限.最后给出了噪信比结果,并用Matlab对其进行了仿真,结果表明,块浮点FFT算法优于定点FFT算法,舍入和收敛舍入量化方法优于截断量化方法.     

基于TV-Stokes模型的分裂型图像放大算法

文中提出了一种基于TV-Stokes模型的分裂Bregman图像放大算法。第一步,考虑切向量的散度约束为零,模型转化为一个类Stokes型方程。第二步,采用快速的分裂Bregman迭代算法重构放大图像。数值实验中,通过与双线性插值、LLT模型图像放大方法进行比较,表明了文中算法的有效性。     

面向LTE的超低复杂度FFT处理单元设计

该文提出了一种超低复杂度的、面向长期演进(LTE)上行的快速傅里叶变换(FFT)混合基处理单元的设计与实现。由Cooley-Tukey算法与质因数算法,LTE上行所需FFT可以分解到基2,3,5上。该文基于Winograd傅里叶变换设计了FFT处理单元,利用折叠技术对多模下FFT进行了算法单元复用,利用正则符号数(CSD)乘法结合树形结构与Horner法则优化其中的乘法器结构。相比已有方法,关键路径时间降低16.7,乘法器面积降低78.9,总面积降低62.1。