一种基于TV/L2模型的双极图像细节分解方法

基于TV/L2模型的总变差最小化方法在图像分解过程中受到正则化参数的影响。本文通过分析发现,当不同于经典模型而设置较小的正则化参数时,分解的图像特性发生了重要改变。据此,本文提出了一种新的基于TV/L2模型的双极性图像细节分解方法,该方法在正则化参数较小的情况下将观测图像分解为一个近似图像分量和两个具有正、负不同极性并反映不同信息的细节图像分量。将这种新的图像分解方法应用于印刷电路板CT图像的处理中。实验结果表明,通过综合利用本图像分解方法得到的图像细节信息,可以在有效抑制金属伪影的同时增强PCB图像中的有用信息。     

基于Shearlet变换和广义全变分正则化的地震数据重建

压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分（TGV）约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法（ADMM）求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性.     

基于Shearlet变换和广义全变分正则化的地震数据重建

压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分(TGV)约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法(ADMM)求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性.     

基于全变分原理的多震源混合数据直接偏移方法

多震源混合地震采集技术,即将多个震源以一定编码方式连续地激发,得到多炮混合的地震数据.该技术能减少地震采集时间,节约采集成本,但是混合数据的直接偏移会在成像剖面中引入严重的串扰噪声,影响成像效果.从数学上看,地震成像属于典型的数学物理反问题,可以采用线性反演方法求解一个正则化约束的最小二乘(LS)优化问题,获得更高质量的成像结果.全变分(TV)正则化方法是图像去噪和复原领域中广泛应用的热点技术,其能在去除噪声的过程中保留图像的边缘信息和不连续性.在对TV图像去噪复原方法原理分析的基础上,本文将多震源混合数据直接偏移成像问题转换成图像复原的极小化能量泛函问题,用TV正则化代替传统最小二乘偏移(LSM)中的L2范数正则化,提出基于全变分原理的混合数据直接偏移方法.该方法使用基于梯度的快速迭代收缩阈值与快速梯度投影组合算法——FISTA/FGP求解最优化问题,能有效压制串扰噪声,增强同相轴连续性,提高成像分辨率.理论模型测试结果表明:将本方法应用于混合数据,无论是去噪效果还是成像精度都得到显著改善.     

基于非局部全核变分方法的稀疏角多能CT重建

稀疏角采样与减小X射线源电流可有效降低多能谱CT低辐射剂量,然而会导致投影数据不足且包含较大噪声,重建图像会严重降质。针对这一问题,本文对传统全核变分（TNV）正则化方法进行推广,利用非局部梯度向量构成的雅克比矩阵的低秩特性,提出非局部全核变分（NLTNV）正则化方法。该方法用单个正则项同时建模能谱CT图像的结构相似性、梯度域稀疏性与非局部自相似性3种先验信息,能恢复稀疏角度投影含较大噪声（剂量较低）时图像的结构特征,并且有效缓解了用多正则项建模多能谱CT图像不同先验信息所导致的正则化参数过多问题。此外,基于NLTNV的重建模型为凸优化模型,保证了算法的稳定性与收敛性。实验结果表明,与TNV正则化方法相比,本方法显著提升重建图像的整体质量。      

基于迭代残差网络的双能CT图像材料分解研究

双能计算机断层成像技术(DECT)由于其材料分解能力,在高级成像应用中发挥着重要作用.图像域分解直接对CT图像进行线性矩阵反演,但分解后的材料图像会受到噪声和伪影的严重影响.虽然各种正则化方法被提出来解决这个问题,但它们仍然面临着两个挑战:繁琐的参数调整和过度平滑导致的图像细节损失.为此,本文提出一种基于迭代残差网络的...     

基于多正则化参数约束的四维变分同化方法及其对台风预报的影响

Tikhonov正则化反问题思想应用于变分同化时,通常引入的单正则化参数并不能同时满足不同观测资料的误差特性.针对传统四维变分同化(4D-Var)中不同观测资料分别引入不同正则化参数,提出基于多正则化参数约束的4D-Var(Tikh-4D-Var);同时,鉴于实际维数巨大同化系统中多正则化参数难于计算问题,基于同化系统后验估计信息,引入一种新的多正则化参数选择方法,相比于传统正则化参数选择方法,该方法计算量较小.基于WRF3.3.1 4D-Var同化系统,利用2010年Chaba台风个例开展bogus资料同化台风初始化应用试验,结果表明:结合引入的多正则化参数选择方法,Tikh-4D-Var方法相比于传统4D-Var方法更快达到收敛标准,迭代次数更少;同时,相比于传统4D-Var方法,Tikh-4D-Var方法呈现出更优的同化和预报效果,使得72 h路径和强度预报误差减小的同时,进一步改善了台风的内部结构信息;多正则化参数在一定程度上可反应同化系统中观测资料误差方差给定的准确性.     

基于改进正则化方法的有限角度CT图像重建算法

本文提出了一种基于改进正则化方法的有限角度CT图像重建算法。该算法基于同伦映射的思想,改进了Tikhonov正则化方法。对于算法中的正则化参数,引入了一种下降速率可调的连续参数修正方法,有效地避免了由于试探正则化参数而带来的不便,从而提高了求解效率。实验结果表明,该方法可以快速地确定在该种条件下最优的正则化参数,进而得到较好的重建结果。     

广义Stein无偏风险估计与地球物理反问题正则化参数求取

地球物理反演是获取地球信息的重要手段,其求解具有严重的不适定性.为获得稳定的反问题结果,通常需要在目标泛函中加入正则化约束项.正确地估计正则化参数一直是地球物理反问题中的难点.目前存在的选取方法需要根据大量的试验来确定正则化参数,工作量十分巨大,并且存在很大的经验性,很难得到最优的正则化参数.针对这个问题,本文提出了一种基于广义Stein无偏风险估计的正则化参数求取方法.该方法的具体思路是通过求解模型参数均方误差的广义Stein无偏风险估计函数,在反问题求解过程中自动求取正则化参数.本文模型测试结果表明,相比于目前常用的方法,通过该方法得到的正则化参数是最优的.     

基于曲波变换的大地电磁二维稀疏正则化反演

为了提高二维大地电磁反演对异常体边界的刻画能力,我们引入曲波变换建立一种新的稀疏正则化反演方法.与传统的在空间域中对模型电阻率参数求解的方式不同,我们借助曲波变换将二维电阻率模型转换为曲波系数,并采用L1范数约束以保证系数的稀疏性.曲波变换是一种多尺度分析方法,其系数分为粗尺度系数和精细尺度系数,粗尺度的系数代表电阻率模型的整体概貌,而精细尺度中较大系数代表目标体的边缘细节.此外,曲波变换的窗函数满足各向异性尺度关系,并具有多方向性,因此曲波变换可以近似最佳地提取目标体的边缘特征信息,这为我们在反演中恢复边界提供有利条件.通过对大地电磁的理论模型合成数据和实测数据反演,验证了基于曲波变换稀疏正则化反演对异常体边界的刻画能力优于常规的L2范数和L1范数反演方法.