各向异性扩散滤波的正则化参数选取方法

研究了图像处理中各向异性扩散的正则化参数选取问题.根据分片常数模型，提出了一种噪声估计方法，该方法通过寻找图像中的最小区域方差来估计噪声;分析了正则化参数与图像噪声的关系，提出了一个正则化参数选取的修正公式，该公式使正则化参数能根据图像噪声自适应调整;最后给出了由正则化参数选取高斯模板尺度的规则.实验结果显示，这种正则化选取方法可以使各向异性扩散方程对图像噪声具有很好的自适应性.     

合成孔径雷达资料反演海面风场的正则化方法研究

针对基于散射计地球物理模型函数的合成孔径雷达资料反演海面风场中背景风向存在很大误差的问题,提出了利用正则化方法反演海面风场,并通过L曲线准则对正则化参数进行最优选择,然后对该方法进行仿真试验.试验结果显示,正则化方法反演海面风场的风速和风向的反演精度均优于变分同化方法,分析不同真实风向情况下的反演精度表明,真实风向在45°和135°附近时,风速反演的精度高,真实风向在0°和90°时,风向反演的精度高,这种现象与地球物理模型函数中后向散射截面相对于风向的导数相关. 关键词： 合成孔径雷达 正则化 L曲线准则 变分同化     

迭代正则化方法求解电介质中空间电荷分布

首先介绍了迭代正则化方法的理论基础,建立了含有空间电荷密度分布的Fredholm第一类积分方程的反卷积算法,利用数值实验研究了加性高斯白噪声对迭代反卷积算法的影响,以及迭代停止标准对非适定问题的数值解的影响,最后使用该方法求解电介质样品中的空间电荷分布.结果表明,在无噪或者低噪环境下,反卷积算法能够非常好地计算出非适定问题的解.当噪声影响增大,信噪比降低时,反卷积的计算结果受到明显的影响.迭代停止标准对数值解的计算精度起着明显的作用.对实际测量数据进行处理表明,迭代正则化反卷积算法能够计算出固体电介质中的空间电荷分布.     

基于加权TV正则化的X射线CT系统能谱估计方法

在CT硬化伪影校正、双能CT图像重建以及CT辐射剂量计算等实际应用中,X射线的能谱信息具有重要的作用。然而,由于透射测量方程组系数矩阵的病态性、X光子的统计涨落和噪声的干扰,使得EM等能谱估计方法难以获得较精细的能谱刻画。针对该问题,提出一种基于加权TV正则化的X射线CT系统能谱估计方法。首先采用能谱能量范围内带有不同K-edge的材料作为体模以降低投影测量方程之间的相关性。然后,利用CT成像系统的几何参数来获取投影测量数据所对应的准确透射长度信息来减小投影方程的测量误差。最后,综合利用透射衰减测量数据的保真性、轫致辐射能谱部分的连续性、特征辐射能谱部分的离散性、能谱的非负性和归一性以及平均有效衰减系数等信息,使用加权TV正则化方法建立目标函数,利用正则化理论中的L曲线准则通过黄金分割参数搜索策略求得最优正则化参数及对应的能谱估计结果。分别通过不同统计波动模型下的仿真能谱和实际测量数据对算法性能进行了验证,结果表明该方法与EM等方法相比,不受初始能谱的影响,有效提高了能谱估计结果的稳定性和准确性。     

一维波动方程反问题求解的正则化方法

讨论了一维波动方程u_{tt-∂x(μ(x)ux)=0在一般的初、边值条件和附加条件下系数μ(x)的求解方法.把反问题归结为一不适定的非线性积分方程组,利用正则化方法克服了反问题的不适定性.}     

离散牛顿正则化方法及应用

把离散Newton法和解不适定问题的正则化方法结合起来,给出了离散Newton正则化方法的迭代格式,并给出了这种迭代格式的收敛性分析的结果。最后考虑了这种方法在微分方程反问题上的应用,数值计算结果表明了这种方法的有效性。     

遗传算法结合正则化方法反演海洋大气波导

针对正则化方法在解决实际反演问题时既能克服问题的不适定性又可以很大程度上抑制噪声和误差的传播, 本文提出了利用遗传算法结合正则化方法的新算法, 在遗传算法适应度函数中引入正则化项来反演波导参数; 然后对算法进行仿真试验, 结果表明新算法与传统遗传算法相比具有较高的反演精度, 并指出当噪声误差小于10%时, 算法具有较强的“去噪”性能; 最后利用机载雷达在Wallops岛探测的海表面处局部回波资料进行反演试验, 将反演结果与实测大气折射率廓线进行比较, 说明该算法的有效性. 新方法为海洋大气波导反演研究提供了一种新思路.     

多谐波脉冲星信号时延估计方法

针对脉冲星导航技术中延时估计这一关键问题, 提出了频域上直接使用脉冲星信号测量到达时间集合进行时延估计的方法——多谐波脉冲星信号时延估计(MHSPE)方法. 该方法建立在频域上相位时延的极大似然估计的基础上, 通过高次谐波对脉冲星观测信号提取出各谐波相位的极大似然估计, 然后取频谱上各谐波的幅值进行归一化作为各谐波相位的权值, 最后取各谐波相位的加权平均作为该时刻的相位估计. 理论上证得MHSPE算法对相位的估计是无偏、一致的, 相比于频域上一次谐波的极大似然估计, MHSPE方法的信噪比随谐波数m的增加而增加, 当各谐波幅值相同时, 信噪比可提高m_1/2倍; 与脉冲星信号时延的克拉美罗界比较, 脉冲星信号时域的导数在频域上的反映就是各谐波分量的数量, 因此随着谐波次数的增加脉冲星信号时延估计可极大趋近克拉美罗界. 采用RXTE航天器对Crab脉冲星的实测数据检验MHSPE方法的性能, 实验结果表明, 针对低信噪比的脉冲星信号, MHSPE可获得高精度的相位估计, 随观测时间增加, 估计精度快速收敛于克拉美罗界.     

基于Tikhonov正则化特征光谱选择与最优网络参数选择的轻烷烃气体分析

特征变量选取与模型的建立是光谱定量分析的两个主要研究内容.首先讨论了Tikhonov正则化特征光谱选取算法在多组分烷烃气体分析应用中的参数确定方法,然后针对甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷和正戊烷七种烃烷的小浓度分析,从中红外吸收光谱中提取了七组特征光谱,并用这些特征光谱作为输出,用神经网络建立了七种烃烷气体的...     

正则化方法在相位麦克风阵列技术中的应用研究

相位麦克风阵列技术是最近十年快速发展起来的一种声学实验技术,旨在精确地识别和定位出噪声源,反演出每个声源的频率、位置和幅值信息。然而对于复杂分布声源,已有的麦克风阵列后处理技术难以获得令人满意的结果,声源频率通常可以精确识别,而位置和幅值重构误差较大。为此,本文引用了一种正则化技术来寻求获得精确解,进行了相关的数值验证和实验验证。结果表明,采用正则化方法能够很好地解决反问题算法中存在的幅值误差放大现象,从而比较准确地识别和定位出声源信息。     

基于神经网络的叶绿素含量精细测量建模方法研究

活体植物叶片叶绿素含量SPAD值易受叶片厚度、水分等影响,提出了基于多参数神经网络建模的叶绿素含量精细反演方法。通过测量叶片在中心波长分别为650,940和1 450 nm光照射下的透过率,获得叶片的SPAD值和水分指数WI(water index),同时用数字螺旋测微仪测量相应的叶片厚度并用分光光度法测得其叶绿素含量。利用建模集样本分别建立SPAD值与实测叶绿素含量之间的单参数模型和基于BP神经网络的WI、厚度及SPAD值与实测叶绿素含量之间的非线性模型。利用这两种模型分别计算获得验证集样本的叶绿素含量预测值,对预测值和实测值进行了相关分析和相对误差的分析。实验以340个三种不同植物叶片为样本,用以上方法进行了分析。结果表明,利用BP神经网络建模后,每种植物样本的叶绿素含量预测精度都有不同程度的提高,尤其对于叶片厚度值较大的样本,效果更为明显。数据显示所有混合样本平均相对误差绝对值由单参数模型的7.55%降低到5.22%,实测值与预测值的拟合决定系数由0.83提高到0.93。验证了利用多参数BP神经网络模型可以有效地提高活体植物叶绿素含量预测精度的可行性。     

夸克胶子喷注的人工神经网络识别研究

为了将人工神经网络用于高能物理中对喷注的分类识别,用从高能正负电子对撞的蒙特卡洛模拟中得到的不对称三喷注事件中的夸克喷注和胶子喷注的平均多重数、平均横动量和两类喷注所对的夹角的平均值作为输入BP神经网络的3个特征参量,对2?.5—2?2?.5GeV能区的8个能量间隔进行等精度的训练.用训练好的神经网络模型对不对称三喷注事件中的夸克喷注和胶子喷注样本进行检验判定,并对混合喷注样本进行分类识别.所得结果表明,有望将人工神经网络用于高能正负电子对撞产生的喷注的分类分析.     

基于可见光-近红外光谱的煤岩识别方法实验研究

以淮南矿区谢桥矿和潘二矿的煤和岩石样本为研究对象,通过地物光谱仪采集样本反射率光谱曲线,同时检测样本氧化物含量、水分、灰分及挥发分含量,将样本的反射率光谱曲线和样本成分含量分别作为自变量,样本类别“煤”和“岩石”两种矿物类型作为因变量,建立煤和岩石识别模型对煤和岩石进行二分类。该研究主要采用三种模型,分别为主成分分析结合支持向量机(PCA-SVM)、主成分分析结合BP神经网络(PCA-BP)模型和核主成分分析结合支持向量机(KPCA-SVM)模型。结果表明,基于可见光近红外光谱的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为95.5%,验证平均精度约为90.56%;基于样本成分的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为98.5%,验证平均精度约为95%。