图像恢复的正则化Gmres方法

在处理具有线性的、空间位移不变的成像系统所成的图像恢复问题时,提出了一种基于Krylov向量完全正交化的正则化Gmres方法。该算法考虑了图像恢复中的不适定性及计算时的复杂性两个方面,将正则化算法与广义极小残余算法相结合,通过正则化方法将模型离散后的积分方程转化为一适定问题,然后利用广义极小残余算法得到结果。在数值模拟时,对不同的方法进行了对比分析,结果表明所选的方法能够明显改善图像恢复的质量。     

一种获取正则化参数的新方法

提出了一种获取正则化参数的新方法。利用随机理论解决正则解模糊误差能量期望值最小化问题,确定正则化参数。对正则化算子给定为Laplacian算子的情形予以测试,实验结果表明该文的恢复技术比传统方法的恢复性能好,恢复效果接近最佳且性能稳定。     

基于FCM和离散正则化的多目标图像分割

针对机器视觉中的多目标图像分割问题,提出一种适用于多目标物体的图像分割算法.首先对图像进行图像增强预处理;然后采用基于直方图的模糊C均值聚类算法完成分类任务,实现图像的初分割,将分类后的像素作为种子集;最后利用离散正则化的半监督方法得到自动修正分类结果.实验结果表明,与已有的多目标分割算法相比,该算法分割结果更加精确.     

基于分形维数的正则化图像复原方法

正则化方法是指在空间域上以符合图像特征的先验信息作为约束条件,寻找与模糊图像最近似的清晰图像以作为解的一种图像复原算法。本文研究正则项的泛函形式,基于单一全局泛函的不足,将图像空间看作微分流形,以图像分形维数为特征进行分类,进而对不同区域采取不同的泛函约束,得到正则化模型。仿真实验表明,该方法比单一范数形式复原效果更佳。     

基于最小鉴别信息的正则化图像恢复方法

提出在正则化图像恢复方法中将图像恢复结果与先验图像的最小鉴别信息作为新的正则化约束.同传统的正则化约束不同,新的约束使得恢复的图像与给定的先验图像具有最相似的灰度分布.同时给出一种自适应确定正则化参数的方法.实验结果表明,新方法在恢复效果上要优于传统的正则化方法,但对噪声则比较敏感.因此,提出在降质图像含有较多的噪声时保留传统的正则化约束,以达到更好的恢复效果.     

计算视觉及其正则化方法

以视觉信息处理的理论研究为中心课题的计算视觉,是当今世界视觉研究的主流.它不仅在生物智能中为我们全面地理解视觉创造了条件,而且在人工智能中为我们开发自动图象分析系统奠定了基础.本文扼要地论述了 Marr 的视觉理论和 Poggio 的视觉正则化方法,目的是要说明计算方法是研究人和机器的视觉信息处理的一个自然方法.     

数值属性的离散方法研究

数值属性的离散化对于事务的构成有重要的意义，本文给出了数值属性的总体描述，并针对网络性能数据的离散化设计了多种方法。     

应用粒子群优化算法选择正则化参数

对正则化方法中正则参数的选择进行了研究,提出了利用粒子群优化算法获取正则参数的方法,通过数值模拟实验,对比了该方法与遗传算法,通过图像恢复实验,比较了传统正则化滤波方法和所提出的方法,实验结果表明,所提出的方法在处理不适定问题时更具有优越性,是一种实用有效的方法。     

卷积神经网络的正则化方法综述

近年来,卷积神经网络已经广泛应用于计算机视觉各个领域中并取得了显著的效果。正则化方法是卷积神经网络的重要组成部分,它能避免卷积神经网络在模型训练的过程中出现过拟合现象。目前关于卷积神经网络正则化方法的综述较少,且大多缺乏对新提出的正则化方法的总结。首先对卷积神经网络中的正则化方法相关文献进行详细的总结和梳理,将正则化方法分为参数正则化、数据正则化、标签正则化和组合正则化;然后在ImageNet等公开数据集上,基于top-1 accuracy、top-5 accuracy等评价指标,对不同正则化方法的优缺点进行对比分析;最后讨论了卷积神经网络的正则化方法未来的研究趋势和工作方向。     

解扩散方程的半离散化方法

对具有周期解的扩散方程ｕｘ＝ａｕｘｘ（ａ＞０），我们用半离散化方法构造了具有任意阶精度自然数）的两层显格式。本文讨论了１≤ｐ≤１０，１≤ｑ≤５的情形，得到了一些格式，其精度和稳定性都优于现有的格式。     

正则化算法在遥感影像外定向中的应用

正则化的目的是在求解过程中对方程的解进行约束,得到稳定可用的解.遥感影像外定向是确定外方位元素,它是正射纠正和三维信息提取的基础.在计算卫星遥感影像外方位元素时存在病态问题.本文使用两种正则化方法求解这一病态问题:Tikhonov正则化和两步解法.这两种方法与主成分估计法和岭-压组合估计法进行了比较,实验结果表明,基于GCV参数选取方法的Tikhonv正则化方法和主成分估计及两步解法求解结果较优.由不同精度的控制点进行外定向的检验精度表明,除了应用较优的算法,精确的控制点对外定向也很重要.     

基于遗传算法和广义交叉原理求解正则参数

本文研究了正则化方法中正则参数的求解问题,提出了一种新的正则参数求解策略,即利用遗传算法基于广义交叉检验准则求解正则参数,数值模拟验证了该方法的可行性和有效性。     

A truncated Legendre spectral method for solving numerical differentiation

A numerical differentiation problem for a given function with noisy data is discussed in this paper. A truncated spectral method has been introduced to deal with the ill-posedness of the problem. The theoretical analysis shows that the smoother the genuine solution, the higher the convergence rate of the numerical solution by our method. Numerical examples are also given to show the efficiency of the method.     

Tube Methods for BV Regularization

In this paper tube methods for reconstructing discontinuous data from noisy and blurred observation data are considered. It is shown that discrete bounded variation (BV)-regularization (commonly used in inverse problems and image processing) and the taut-string algorithm (commonly used in statistics) select reconstructions in a tube. A version of the taut-string algorithm applicable for higher dimensional data is proposed. This formulation results in a bilateral contact problem which can be solved very efficiently using an active set strategy. As a by-product it is shown that the Lagrange multiplier of the active set strategy is an efficient parameter for edge detection.     

Metric-Based Methods for Adaptive Model Selection and Regularization

We present a general approach to model selection and regularization that exploits unlabeled data to adaptively control hypothesis complexity in supervised learning tasks. The idea is to impose a metric structure on hypotheses by determining the discrepancy between their predictions across the distribution of unlabeled data. We show how this metric can be used to detect untrustworthy training error estimates, and devise novel model selection strategies that exhibit theoretical guarantees against over-fitting (while still avoiding under-fitting). We then extend the approach to derive a general training criterion for supervised learning—yielding an adaptive regularization method that uses unlabeled data to automatically set regularization parameters. This new criterion adjusts its regularization level to the specific set of training data received, and performs well on a variety of regression and conditional density estimation tasks. The only proviso for these methods is that sufficient unlabeled training data be available.     

连续属性离散化算法的时间复杂性分析

对几个常用的连续属性离散化算法的时间复杂性进行分析,并纠正文献[3]第107页与第111页中几处对离散化算法的时间复杂性分析的缺陷。     

变正则参数方法在带噪图像保边缘恢复中的应用

提出变正则参数的变分方法．该方法通过选取随梯度变化的自适应的正则参数，达到去噪和保持边缘的目的．通过5点格式构造出变分模型的离散解法，可以避免格林函数的繁琐计算。     

基于动态参数的Tikhonov方法在电容成像图像重建中的应用

该文针对电容成像(ECT)图像重建问题的病态性,采用Tikhonov正则化方法进行图像重建,并选用三种方法动态选择正则化参数。仿真结果表明对某些流型分布,用文中所述方法得到的重建结果优于目前普遍使用的线性反投影(LBP)算法。该方法为提高ECT图像重建质量提供了新的途径。