基于耦合非局部全变差的图像着色算法

基于局部算子的全变差(TV)模型在对纹理图像着色时,会出现颜色扩散不均匀,着色范围区域较小等问题。为了解决上述问题,该文提出基于非局部算子的耦合全变差图像着色模型,结合交替方向乘子法(ADMM),设计出相应的数值求解算法,并给出该算法的收敛性结果。该模型充分利用像素邻域亮度之间的相似性进行颜色扩散,能有效避免仅利用亮度边缘信息进行局部扩散导致颜色扩散不均匀的问题。数值实验结果表明,该模型在快速着色的同时,能有效解决颜色在纹理等细节处扩散不均匀的问题。     

基于框式约束的快速全变差图像泊松去噪算法

该文首先从变分学的角度分析Le等人(2007)基于全变差的图像泊松去噪模型,得到该模型解的一框式约束限制。在此基础上,结合交替方向乘子算法(ADMM),给出了基于框式约束的快速全变差图像泊松去噪算法,并证明了该算法的收敛性。最后,数值实验结果验证了该快速算法的可行性与有效性。     

全变差噪声消除问题的半光滑牛顿法

为了达到全变差噪声消除的图像去噪目的,将去噪问题转换为优化问题。采用了结合广义最小残差法的半光滑牛顿法来解决相关优化问题,求解非对称线性方程组,进行了理论分析和实验验证,取得了将该方法与其它方法应用于1维信号、2维图像去噪实验的大量可行数据。结果表明,结合广义最小残差法的半光滑牛顿法的收敛速度比结合预处理共轭梯度法的半光滑牛顿法和交替方向乘子法更快,而且能够有效地消除噪声。     

基于全变差正则化的图像修复研究

图像修复是一种插值问题,用待修复区域边界已知图像内容填充修复受损区域。这种插值问题的一个经典的解法就是解拉普拉斯方程。但是它过于平滑,对于图像插值效果通常不能令人满意,不能修复跳变边缘。全变差正则化是一个有效地恢复锋锐边缘图像的修复方法。重点研究了全变差正则化图像修复方法,并设计了改进的修复模型。实验结果表明,改进模型的全变差图像修复方法是有效的,复原图像在客观评价标准和主观视觉效果方面均有更好的表现。     

基于分裂Bregman方法的全变差图像去模糊

针对全变差图像去模糊问题,提出一种基于分裂Bregman方法的全变差图像去模糊算法,利用分裂Bregman方法来优化其求解问题模型.首先,利用辅助变量及其二次惩罚泛函把全变差去模糊优化问题转化为一个等价的无约束优化问题;其次,基于Bregman迭代将其分解为两个子优化问题采用交替最小化方法进行求解;最后,根据子问题结构特点,采用离散傅立叶变换及收缩技术实现子优化问题的快速计算.实验结果表明,在不同尺寸模糊核条件下本文算法能获得有效、稳定的图像复原结果,相比FTVd、IRN去模糊方法,本文算法复原效果更好,计算更加快速.     

基于振铃约束的全变差正则化图像去模糊算法

当前去模糊方法只利用图像单一的稀疏特性作为先验信息,忽略了伪边缘(如振铃瑕疵)对模糊核估计的影响,导致其去模糊性能不佳.本文充分利用复杂结构图像的先验信息,设计了振铃约束下的全变差正则化图像去模糊算法.首先,利用多分辨率图像金字塔策略建立多层图像模型,通过对比模糊图像和潜在清晰图像来获得振铃先验信息.其次,将振铃正则约...     

基于凸松弛的图像选择性分割模型的快速算法

针对基于测地距离的图像选择性分割模型非凸的缺陷,该文结合凸松弛方法,提出凸松弛的选择性分割模型,并通过证明,给出凸松弛模型的解与原模型解之间的关系。然后,应用交替方向乘子法(ADMM),设计凸松弛模型的数值求解算法,并给出了该算法的收敛性。数值实验结果表明：该文所提算法的收敛速度不仅大大优于求解原模型的加性算子分裂算法,而且分割结果也更精确。     

基于最小全变差的SAR图像自聚焦算法

该文分析了方位一维图像的全变差范数随二次相位误差的变化情况,得到全变差范数是二次相位误差的单峰函数的结论,且在二次相位误差等于零时全变差范数最小。从而利用全变差范数作为性能函数,采用黄金分割最优化算法,通过循环迭代得到自聚焦的SAR图像。实验结果表明此算法在处理二次相位误差时优于相位梯度自聚焦算法。通过算法复杂度的分析表明该算法的计算量约为相位梯度自聚焦的二分之一。     

一种基于全变差模型的欠采样图像重构方法

基于全变差范数最小化模型,构造了一种新的图像重构算法;利用欠采样域内的融合信息,结合构造的图像重构算法,提出了一种基于压缩感知理论的图像融合模型.数值实验表明,构造的重构算法与传统算法相比,在一定程度上减少了所需的采样数量;提出的融合模型对多类图像具有较优的融合效果.     

基于动态全变差的动态磁共振图像重建

动态核磁共振(dMRI)成像技术要在极短的扫描时间内获取高时空精度的MR图像,目前仍然是一个难点。文中提出了一种新的基于动态全变差技术(DTV)的压缩感知(CS)动态磁共振图像重建方案,该方法充分利用dMRI数据在时空域的稀疏性。文中算法采用加权最小二乘算法解决重建速度过慢的问题。论文将该算法与目前比较先进的两种算法TV及k-t SLR做比较,实验数据来源于临床脑部电影数据集。实验结果显示该方法在重建精度上处于领先水平。     

基于变分模型的块压缩感知重构算法

为了提高现有块压缩感知重构算法的性能,提出了基于全变分和混合变分模型的块压缩感知（简称BCS-TV和BCS-MV）算法。该方法以块为单位进行图像采样,以自然图像正则项的稀疏性为先验条件,通过变型的增广拉格朗日交替方向乘子法(ALM-ADMM),在整幅图像范围内逼近目标函数来重构原始图像。与以前基于一致性块采样的压缩感知工作对比,该算法的PSNR约提高1.5 dB,SSIM约提高0.05,运行速度较稳定,特别适合具有固定传输时延的多媒体数据处理场合。     

抗压制干扰的低距离旁瓣相位编码设计

雷达系统可通过发射具有低距离旁瓣的波形提高对目标的探测性能,通过最小化干扰信号经滤波器处理后的输出水平来对抗压制干扰。本文以联合最小化干扰信号输出功率和发射信号距离旁瓣为准则建立目标函数,引入权系数来折中考虑干扰输出和距离旁瓣的影响,离散相位形式的相位编码作为约束条件,采用交替方向乘子法（Alternating Direction Method of Multipliers, ADMM）求解目标函数,设计最优相位编码发射波形,并在此基础上结合类幂迭代法（Power Method-Like Iterations, PMLI）提出一种复合算法（Composite Algorithm, CA）,在保证雷达的探测性能和抗干扰性能的同时,有效提升了算法的计算速度。     

Distributed lifetime optimization in wireless sensor networks using alternating direction method of multipliers

Due to the limited energy of sensor nodes in wireless sensor networks, extending the network lifetime is a major challenge that can be formulated as an optimization problem. In this paper, we propose a distributed iterative algorithm based on alternating direction method of multipliers with the aim of maximizing sensor network lifetime. The features of this algorithm are the use of local information, low overhead of message passing, low computational complexity, fast convergence, and, consequently, reduced energy consumption. In this study, we present the convergence results and the number of iterations required to achieve the stopping criterion. Furthermore, the impact of problem size (number of sensor nodes) on the solution and constraints violation is studied, and, finally, the proposed algorithm is compared with one of the well‐known subgradient‐based algorithms.     

一种基于压缩感知全变差算法的图像去噪方法

压缩感知技术突破了奈奎斯特准则的局限性,在图像处理方面有着广泛的应用。提出一种改进的基于压缩感知的图像去噪方法。该方法中,对混有噪声的图像首先进行稀疏变换,然后对变换后的部分系数采用测量矩阵进行测量,最后通过全变差(TV)重建算法进行图像重建。仿真结果证实全变差重建算法在图像去噪中优于其他压缩感知重建算法,可以有效地去除图像中混有的噪声,实现图像的良好去噪。     

基于改进罚函数的LDPC码分层调度ADMM惩罚译码

通过增加伪码字的代价,基于交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）的惩罚译码方法可以改善低密度奇偶校验（Low-Density Parity-Check,LDPC）码低信噪比区域的译码性能,同时具有低的译码复杂度.而减少ADMM惩罚译码的欧几里德投影次数、选择合适的消息调度策略和设计有效的罚函数是提高ADMM惩罚译码速度的三种重要方法.为了进一步提高ADMM惩罚译码速度,通过利用Wei等人提出的方法来减少欧几里德投影的次数,本文设计了基于I-l₁-PF罚函数的水平分层调度与垂直分层调度策略的两种LDPC码ADMM惩罚译码方法.仿真实验表明,与现有ADMM惩罚译码方法相比较,所设计的译码方法不仅具有较好的译码性能,而且能够显著降低LDPC码译码的平均迭代次数和平均译码时间.     

融入结构信息的稀疏低秩丰度估计算法研究

丰度估计(AE)是从高光谱图像中识别地物的关键预处理技术.鉴于线性混合模型的可解释性以及数学上的可操作性,带约束的线性回归技术在丰度矩阵估计中备受关注.目前,这类方法存在的缺陷是其拟合过程中仅仅考虑到估计数据与真实数据之间的拟合误差,忽略了估计数据的结构与真实数据的结构之间的相似性信息.因此,提出了融合结构信息的线性回归模型,并应用于稀疏低秩丰度矩阵估计领域.首先,通过增加结构信息改进传统的带约束的线性回归模型,并经数学理论证明了增加结构信息的模型较传统模型更加有效;其次,应用该方法改进稀疏低秩丰度估计的数学模型;最后,采用交替乘子法(ADMM)技术求解新模型.实验结果表明,融入结构信息的稀疏低秩丰度估计算法能够有效地提高仿真数据和实际高光谱数据的丰度估计的估计精度,改善其抗噪性能.     

基于约束非负矩阵分解的高光谱图像解混快速算法

约束非负矩阵分解是高光谱图像解混中常用的方法.该方法的求解通常采用投影梯度法,其收敛速度、求解精度和算法稳定性都有待提高.为此,本文针对较优的最小体积约束,提出一种基于约束非负矩阵分解的高光谱图像解混快速算法.首先优化原有的最小体积约束模型,然后设计了基于交替方向乘子法的非凸项约束非负矩阵分解算法,最后通过奇异值分解优化迭代步骤.模拟和实际数据实验结果验证了本文算法的有效性.     

基于二阶广义全变差的多帧图像超分辨率重建

图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.