基于混沌粒子群算法的Tikhonov正则化参数选取

Tikhonov正则化方法是求解不适定问题最为有效的方法之一,而正则化参数的最优选取是其关键.本文将混沌粒子群优化算法与Tikhonov正则化方法相结合,基于Morozov偏差原理设计粒子群的适应度函数,利用混沌粒子群优化算法的优点,为正则化参数的选取提供了一条有效的途径.数值实验结果表明,本文方法能有效地处理不适定问题,是一种实用有效的方法.     

基于方向信息测度的图像边缘检测

边缘检测是图像处理中—个重要的研究课题．针对传统图像边缘检测算法对噪声敏感的问题,本文在分析图像像素灰度信息的基础上,建立了—个改进的确定方向信息测度的方法,并利用震动滤波对边缘检测图像进行增强,该方法在滤除噪声的同时,能有效地保留图像的基本目标信息,正确提取图像的边缘．     

求解l1极小化问题的Bregman迭代算法

在Tikhonov正则化方法的基础上将其转化为一类l1极小化问题进行求解,并基于Bregman迭代正则化构建了Bregman迭代算法,实现了l1极小化问题的快速求解.数值实验结果表明,Bregman迭代算法在快速求解算子方程的同时,有着比最小二乘法和Tikhonov正则化方法更高的求解精度.     

广义全变差正则化图像去噪模型研究

本文研究了全变差正则化模型在图像去噪过程中易产生阶梯效应的问题,依据图像的局部结构特利用联合高斯滤波器和边缘检测算子的方法,构建了广义全变差正则化图像去噪模型,获得了在消除噪声的同时能够保留图像边缘细节和纹理信息的结果.实验结果表明,广义全变差正则化模型在平滑噪声的同时能够保留图像的边缘轮廓等细节信息,得到的复原图像在峰值信噪比、平均结构相似度和主观视觉效果方面均有所提高.     

基于埃特金加速的改进Landweber迭代正则化方法

为克服Landweber迭代正则化方法在求解大规模不适定问题时收敛速度慢的不足,将埃特金加速技巧与不动点迭代相结合,构建了能快速收敛的改进Landweber迭代正则化方法.数值实验结果表明:改进的迭代正则化方法在稳定求解不适定问题时,能够快速地收敛至问题的最优解,较Landweber迭代正则化方法大大提高了收敛速度.