图像恢复的正则化混合GMRES(m)方法

为了充分利用广义极小化残量方法在处理大规模线性问题时的优势,将其同正则化技术相结合应用于图像恢复领域,提出了一种新的图像恢复方法。该方法基于Arnoldi过程,用一系列规模远小于原不适定问题的最小二乘问题来逼近原问题,并应用截断奇异值分解正则化技术保证稳定求解这些最小二乘问题。其中,根据图像恢复问题的具体特点,在确定截断奇异值分解的截断次数时,对传统的L-曲线准则进行了少许修改。数值试验结果表明,试验数据与肉眼观察恢复图像的清晰程度相吻合,说明新方法是有效的。     

弹性阻抗反演的后验正则化方法

岩石的脆性指数是页岩气藏评价的关键参数之一。相对于叠后声波阻抗反演和AVO反演方法,弹性阻抗反演能得到更为丰富、稳定、可靠的弹性参数反演结果,有利于页岩敏感性脆性指数的选取。但是,弹性阻抗反演为Hadamard意义下的不适定问题,即不能同时满足解的存在性、唯一性和稳定性的要求,需要利用正则化方法并辅之以适当的最优化技巧来提高解的稳定性和准确度。为克服弹性阻抗反演问题的不适定性,本文建立基于L₂范数约束的Tikhonov正则化反演最优化模型,辅以后验最优正则参数选取方法,并提出求解极小化问题的双滤波因子正则化算法。理论模型和实际数据的数值试验表明双滤波因子正则化算法是可行和有应用前景的。     

基于FOCUSS改进算法的图像稀疏重构

分析分块压缩感知的基础上,提出了基于欠定系统局灶解法和L-曲线优化相结合的图像重构方法。利用灰度空间相关矩阵获知图像的纹理结构和优化块向量生成,噪声卡方分布设置拉格朗日乘子λ的阈值范围,采用4阶曲线拟合和最大曲率点拟合相结合方式确定λ的优化值,并设置双误差迭代停止方式来改进基础局灶算法。对比实验表明,基于L1范数最小化下的欠定系统局灶改进算法在无噪声和有噪声条件下都能改善图像重构,且性能优于传统的正交匹配算法和基追踪算法,同时该改进算法对不同图像具有一定的普适性。     

基于L曲线调参的FOTV-ADMM超分辨率图像重建

基于图像高频细节的重构问题,建立了全变分(Total Variation,TV)约束重建模型,选取交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解分析.TV-ADMM重建算法能够保持图像边缘信息,纹理细节的刻画却不够理想,图像平滑部分的重建出现阶梯效应和过平滑现象.为此,提出使用分数阶约束的模型算法FOTV-ADMM求解.该算法对图像纹理高频细节重建效果较好,能锐化图像边缘区域,同时为降低经验调节参数对图像重建的影响,减少调节参数的时间,引入L曲线调节参数,找出了正则化参数最优解.实验结果表明,基于L曲线调参的FOTV-ADMM算法能够更好地保留图像的纹理和平滑部分的细节特征,在峰值信噪比和结构相似度评价指标上,FOTV对高频细节的重建改善效果更佳.     

走时层析成像的迭代Tikhonov正则化反演研究

针对反问题求解常遇到不适定的困难,采用奇异值分析的方法探讨了层析成像反演方程的不适定特征,研究了利用迭代Tikhonov正则化方法求解二维走时层析成像问题.该方法是一种拟线性化的反演算法,采用L曲线法确定最优正则参数,拟定了四个有效的反问题迭代收敛准则,得到在残差范数和解的范数之间取最优折衷的解.核心异常数值化模型的计算结果表明,该方法比传统的联合迭代重建算法(SIRT)收敛快、精度高.     

The boundary element solution of the Laplace and biharmonic equations subjected to noisy boundary data

This study investigates the numerical solution of the Laplace and biharmonic equations subjected to noisy boundary data. Since both equations are linear, they are numerically discretized using the Boundary Element Method (BEM), which does not use any solution domain discretization, to reduce the problem to solving a system of linear algebraic equations for the unspecified boundary values. It is shown that when noisy, lower-order derivatives are prescribed on the boundary, then a direct approach, e.g. Gaussian elimination, for solving the resulting discretized system of linear equations produces an unstable, i.e. unbounded and highly oscillatory, numerical solution for the unspecified higher-order boundary derivatives data. In order to overcome this difficulty, and produce a stable solution of the resulting system of linear equations, the singular value decomposition approach (SVD), truncated at an optimal level given by the L-curve method, is employed. © 1998 John Wiley & Sons, Ltd.     

An algorithm for multivariate function estimation based on hierarchically refined sparse grids

An adaptive function estimation approach is presented to recover an unknown, multivariate functional relation from noisy data. Using a sparse grid combination approach, both discretization and Tikhonov regularization need to be selected appropriately to resolve functional details whilst suppressing measurement noise. An initially coarse, multivariate grid is adaptively refined using sensitivity analysis, creating a sequence of hierarchically refined grids. The problem of choosing a multi-dimensional discretization level is thus transformed to the identification of a suitable refinement step, giving rise to a nested approach for the selection of both discretization and Tikhonov regularization. Validation on multivariate test functions shows good approximation results.     

基于L曲线法的超声CT正则化参数优化

超声逆散射成像图像重建反问题常常是不适定的。此种情况下,仅使用最小二乘法不能保证获得满意的介质分布图像重建结果,因此使用Tikhonov和TSVD正则化算法来产生适当的解。正则化参数的合适选取对图像重建至关重要,其对重建质量和计算速度都有影响,本文采用L-曲线准则确定相应的正则化参数。经实验验证:基于L-曲线法可以快速找到最优正则化参数,TSVD法与Tikhonov正则化方法相比,提高了图像重建质量,且适用范围广。     

求解热传导系数反问题的量子行为粒子群算法

量子行为粒子群优化算法（QPSO）和Tikhonov正则化方法用来求解热传导反问题,近似估计平板随时间变化的热传导系数。由于热传导系数的函数形式是未知的,所以问题可以归结为函数估计问题。求解过程是基于最小二乘模型的,采用的是嵌在平板中的传感器所测量得到的温度,优化过程由QPSO算法来求解。给出了由L曲线方法选择正则参数的详细过程。提出算法的有效性经过了数值实验的验证。传感器的位置和数量对结果的影响也做了研究。给出了与共轭梯度法的比较。     

基于岭估计和L曲线的损伤识别技术研究

为了解决结构损伤方程求解的可靠性问题,提出了基于岭估计和L曲线的损伤方程求解方法。首先描述了基于模态应变能灵敏度的结构损伤方程,然后考虑测量噪声等因素易造成病态的损伤方程问题,提出了采用岭估计求解结构的损伤方程,并利用L曲线确定最优的岭参数,最后建立了损伤估计值的修正方法。数值仿真结果表明,基于修正的岭估计和L曲线方法可以较为精确地识别出损伤的位置和程度,而且其定量识别结果明显好于基本的岭估计和L曲线方法以及一般的截断奇异值分解法。