基于物理总能量目标函数的稀疏重建模型

欠采样条件下的稀疏重建模型往往直接取稀疏约束项或保真项作为求解的目标函数, 却从未阐述其中的物理演化规律. 针对此问题, 从物理运动的角度出发, 提出了一种基于物理总能量目标函数的稀疏重建模型. 首先, 建立了微粒在黏性介质中的运动模型, 模型中粒子的重力势能函数为松弛变换后的l₂-l₁ 范数; 其次, 基于该微粒的物理总能量建立了新的稀疏重建模型, 该重建模型在保留l₂-l₁ 模型稀疏约束和保真项的基础上, 增加了对相邻两次迭代结果偏差的约束, 避免因该偏差过大引起的震荡; 第三, 提出了针对该模型的梯度投影算法, 并证明了算法的收敛性, 算法在新模型目标函数下的梯度方向总是包含上一步迭代的物理惯性, 从而达到加速收敛和避免局部最优解的目的; 最后, 将该模型应用于标准灰度图像的稀疏重建以及精密电子组装中微焦点X射线缺陷检测. 实验结果表明, 该算法不仅保证了图像的重建质量, 收敛速度还得到了大幅提升. 在精密电子组装内部缺陷检测应用中, 该算法在微焦点X射线图像的边缘细节保留方面有明显的优势, 可更准确地识别缺陷, 满足工业应用快速性和准确性要求.