检索结果-内蒙古大学图书馆

作者：刘强中央民族大学

学位级别：硕士

本文首先提出了求解分数阶全变差(FOTV)图像修补模型与分数阶q-Laplace(0<q<1)全变差图像修补模型的增广拉格朗日算法.在推导这两个算法的过程中,本文将这两个模型都转化成了 u子问题,p子问题和拉格朗日乘子的更新序列来进行求解... 详细信息

本文首先提出了求解分数阶全变差(FOTV)图像修补模型与分数阶q-Laplace(0增广拉格朗日算法.在推导这两个算法的过程中,本文将这两个模型都转化成了 u子问题,p子问题和拉格朗日乘子的更新序列来进行求解.两个模型导出的u子问题都可以使用快速傅里叶变换来求解,第一个模型导出的p子问题采用Shrinkage算子直接求解,而第二个模型导出的p子问题则采用交替方向法来求解.然后本文根据前人提出的求解非局部全变差(NLTV)图像修补模型的分裂Bregman算法的框架,对该算法的具体步骤进行了详细的推导,该过程将原问题分解成了 u子问题,d子问题和Bregman变量更新步来求解.其中的u子问题可通过其欧拉-拉格朗日方程采用高斯-赛德尔迭代法来求解,d子问题通过Shrinkage算子来求解,我们给出了此算法的离散公式.最后本文提出了两种参数优化方法来对本文所提的两个算法进行了参数选取并在三张测试图像上进行了数值实现,之后将它们与求解NLTV图像修补模型的分裂Bregman算法和经典的TV图像修补模型的梯度下降算法在相同图像上的实验结果进行了对比.实验结果表明求解分数阶q-Laplace全变差图像修补模型的增广拉格朗日算法在适当的参数选择下可以取得优于本文其他算法的修补效果.

关键词：图像修补增广拉格朗日算法参数优化分裂Bregman算法

来源：评论

学校读者我要写书评

暂无评论

基于自适应欧拉弹性高阶方程的图像恢复研究

基于自适应欧拉弹性高阶方程的图像恢复研究

引用

作者：王泽佳哈尔滨工业大学

学位级别：硕士

图像恢复技术在天文、医学、军事、公安和交通等领域都有重要应用,在这些学科和领域中使用的图像都会受到模糊影响。图像中产生模糊的原因是多方面的,首先是成像系统中的原因比如自然环境中光的衍射现象或者存在噪声等,然后是在成像过... 详细信息

图像恢复技术在天文、医学、军事、公安和交通等领域都有重要应用,在这些学科和领域中使用的图像都会受到模糊影响。图像中产生模糊的原因是多方面的,首先是成像系统中的原因比如自然环境中光的衍射现象或者存在噪声等,然后是在成像过程中的原因比如客观物体存在剧烈运动或者相对运动等。这些模糊图像,会严重影响到例如天文领域中航天器的观测、医学领域中通过医学图像的病理诊断和交通中对于车辆车牌的识别等研究和工作。为了能够对后续的研究提供真实可靠的图像信息就需要应用到图像恢复技术。虽然近年来基于全变差的图像恢复模型、分数阶图像恢复模型和基于小波的图像恢复模型等已经取得一些进展,但是对于模糊图像的纹理细节、特定区域、尖锐边界等细节上的恢复仍然是具有挑战性的问题。本文的工作主要有以下几点。首先构建基于自适应欧拉弹性高阶变分模型,结合欧拉弹性测度并且由著名的Co-Area公式得出模型的正则化项,采用自适应策略使得模型更适合于图像恢复问题。由于自适应策略的应用,使得模型在低灰度水平下更好的保留图像信息,并且在高灰度水平区域中可以消除异常值。具有强正则性的高阶项和基础低阶正则项的复合,可以更好的恢复纹理细节。然后使用加性算子分裂算法和增广拉格朗日算法,对模型进行求解。一方面对于加性算子分裂算法,在导出欧拉弹性的一阶变分后将原最小化泛函模型的求解转化为计算泛函一阶变分所对应的梯度下降流,并且设计了半隐半显式格式提高计算效率。另一方面对于增广拉格朗日算法,通过引入辅助变量,对基于自适应的欧拉弹性的高阶图像恢复模型采用增广拉格朗日法进行松弛,再使用交替方向乘子法迭代求解最小元并推导出求解子问题的迭代格式。同时采用了简单截断策略,以保证模型与基于增广拉格朗日的算法的一致性。最后通过数值实验将六种不同的测试图从高斯滤波、运动滤波和圆形区域均值滤波的模糊作用中重建纹理图像,验证了本文模型在对三种不同模糊核影响后的六种不同测试图像的纹理细节、特定区域和尖锐边界等方面的恢复具有更好效果。

关键词：图像恢复模型去模糊高阶方程加性算子分裂算法增广拉格朗日算法

来源：评论

学校读者我要写书评

暂无评论

基于Folded Concave惩罚的稀疏线性回归模型的研究

基于Folded Concave惩罚的稀疏线性回归模型的研究

引用

作者：解云华大连理工大学

学位级别：硕士

论文主要研究的是在Concave Folded惩罚下的稀疏线性回归(FCPSLR),在Concave Folded惩罚下的稀疏线性回归已经有了具体的算法,但是满足条件的近似解是否足够接近真实解,并且整个过程与算法无关。为了解决这一问题论文主要从以下几方面... 详细信息

论文主要研究的是在Concave Folded惩罚下的稀疏线性回归(FCPSLR),在Concave Folded惩罚下的稀疏线性回归已经有了具体的算法,但是满足条件的近似解是否足够接近真实解,并且整个过程与算法无关。为了解决这一问题论文主要从以下几方面进行研究和论述:(1)回归模型的解在哪些条件下对Concave Folded惩罚参数是一个稀疏估计量;(2)在一个空间中稀疏近似解满足二阶必要性条件,这相比于满足其他条件的解会以更高的概率值逼近真实的参数值,会产生更小的有界误差;(3)我们将(2)应用于FCPSLR的特殊情况之下求解凹处惩罚函数的极小值,并且从客观意义上来说在KKT条件之下任何满足二阶必要性条件的解相比于Lasso解具有更高的精度;(4)论文主要采用二阶平稳收敛的增广拉格朗日方法,将约束条件分为活跃约束和非活跃约束,分别放入子问题和惩罚函数中来求解,每个子问题的解可以通过返回近似二阶平稳点的数值算法来完成。

关键词： Concave Folded惩罚稀疏线性回归 Lasso估计二阶必要性条件增广拉格朗日算法

来源：评论

学校读者我要写书评

暂无评论

融合欧拉弹性能及边缘检测项的图像分割模型

引用

数学的实践与认识 2023年第11期53卷 129-141页

作者：陈星宇刘朝霞中央民族大学理学院北京100081

欧拉弹性能量作为正则项已经被成功应用于图像处理模型中.Egil Bae等人在L^(2)欧拉弹性模型的基础上提出的ECV-L1模型具有偏向于分割凸轮廓的性质,但分割结果易受参数及弹性项的影响,使得分割结果不易紧贴目标物体边缘.在ECV-L1模型基... 详细信息

欧拉弹性能量作为正则项已经被成功应用于图像处理模型中.Egil Bae等人在L^(2)欧拉弹性模型的基础上提出的ECV-L1模型具有偏向于分割凸轮廓的性质,但分割结果易受参数及弹性项的影响,使得分割结果不易紧贴目标物体边缘.在ECV-L1模型基础上引入边缘检测项提出新模型,并应用增广拉格朗日算法和交替方向乘子法对新模型进行数值求解.数值实验表明,新模型具有使分割结果保持为凸的性质,同时新模型的分割结果更易靠近目标物体边缘.

关键词：欧拉弹性能量边缘检测项增广拉格朗日算法交替方向乘子法

来源：评论

学校读者我要写书评

暂无评论

基于舵桨组合模型的动力定位推力分配优化策略

引用

江苏科技大学学报（自然科学版） 2018年第3期32卷 388-392页

作者：杨奕飞朱海洋谈敏佳江苏科技大学电子信息学院镇江212003

以多用途拖轮船为对象,针对舵桨组合模型在动力定位推力分配中的影响,研究一种舵桨组合推力可行域的凸化处理方法,将舵桨组合等效为在相同位置上两个互相独立且可行域为凸集的推进装置,从而实现其非凸推力可行域的凸化处理;并根据舵桨... 详细信息

以多用途拖轮船为对象,针对舵桨组合模型在动力定位推力分配中的影响,研究一种舵桨组合推力可行域的凸化处理方法,将舵桨组合等效为在相同位置上两个互相独立且可行域为凸集的推进装置,从而实现其非凸推力可行域的凸化处理;并根据舵桨组合装置的特征,结合增广拉格朗日算法建立目标函数和约束条件,实现动力定位推力分配优化.对不操舵和操舵两种情况下的推力分配优化进行了实例分析,仿真结果表明:舵桨组合推力可行域的凸化处理是可行的,而且能有效地节约能耗,提高多用途拖轮船的机动性和动力定位能力.

关键词：推力可行域舵桨组合推力分配增广拉格朗日算法

来源：评论

学校读者我要写书评

暂无评论

滤除图像中混合噪声的LSE模型

滤除图像中混合噪声的LSE模型

引用

第十六届全国信号处理学术年会及产业发展大会

作者：袁珍林相波王新宁大连理工大学信息与通信工程学院辽宁大连 116024

图像中的高斯白噪声使LS模型中的低秩矩阵低秩性和稀疏矩阵稀疏性不能同时满足,造成去噪不充分或细节严重丢失.本文在LS模型的基础上引入高斯噪声约束项,提出一种新的用于去除图像中混合噪声的LSE模型,该模型首先对图像进行相似块匹配,... 详细信息

图像中的高斯白噪声使LS模型中的低秩矩阵低秩性和稀疏矩阵稀疏性不能同时满足,造成去噪不充分或细节严重丢失.本文在LS模型的基础上引入高斯噪声约束项,提出一种新的用于去除图像中混合噪声的LSE模型,该模型首先对图像进行相似块匹配,然后对得到的相似块低秩逼近得到去噪图像.实验结果表明,与LS模型相比,LSE模型在保证去噪效果的同时,保留了图像的细节信息,具有更佳的视觉效果,去噪图像的信噪比提高了约0.1-2dB;与BM3D相比,在高斯噪声较小的情况下信噪比提高了约0.5-2.5dB.

关键词：图像处理噪声抑制 LSE模型增广拉格朗日算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：