超声层析成像的理论与实现.pptVIP

. * 谢 谢！ * * * * * * * * . * 4. 基本方法 Born迭代算法(BI) Levenberg-Marquardt和Newton-Kantorovich方法 变形Born迭代方法(DBI) . * Born迭代算法(BI) 求Born逆解O 由全场方程 确定全场 由散射场方程 求散射场,并计算 由方程 求改变量 求 . * 求Born逆解O 由全场方程 确定全场 由散射场方程 求散射场,并计算 变形Born迭代算法(DBI) 根据最新求得的Ok改变散射方程的系数矩阵D 求 由方程 求改变量 . * Levenberg-Marquardt和Newton-Kantorovich方法 代入 . * 三.问题的不适定性及其正则化 适定性问题是指： 对于连续算子方程Kx=y，如果解x满足： (1). 存在； (2). 唯一； (3). 连续地依赖于数据y。 否则，即上述三个条件有一个不满足，则称其为不适定的（Ill-posed）。 . * 离散不适定问题(Discrete Ill-Posed Problem) 若: (1). 矩阵A的条件数非常大，或者说矩 阵A的最大奇异值和最小奇异值之比 非常大； (2). 矩阵A的奇异值逐渐下降趋于零。 对于线性方程组Ax=b 或最小二乘问题: . * Tikhonov正则化 L=In，x0=0时，称为Tikhonov正则化的标准形式,其解可表示为: . * 四.模型噪声的判断方法: Picard准则 离散Picard准则： 若方程组Ax=b的傅里叶系数 趋于零的速度在平均意义下快于矩阵A的奇异值趋于零的速度的话，则称该方程组满足离散Picard准则(条件)。 最小二乘解: Tikhonov正则化解: . * 受噪声污染和无噪声污染的Picard图 污染严重 污染较轻 . * A 对比度为30％时 对比度为20％时 对比度为10％时 . * 五. 静态正则化技术 1.截断奇异值分解正则化方法 Truncated Singular Value Decomposition (TSVD) 2.截断完全最小二乘正则化方法 Truncated Total Least Squares (TTLS) . * 1.截断奇异值分解正则化方法(TSVD) 对于线性方程组Ax=b 或最小二乘问题 最小二乘解: Tikhonov正则化解: TSVD正则化解: . * 正则化参数的选取方法 离差原理(Discrepancy Principle)方法 广义交叉验证(GCV)方法 L曲线(L-Curve)方法 ?减小时 ?增加时 由L曲线方法确定k’ 采用一维搜索的方法确定更精确的k . * TSVD方法的数值仿真结果 B A C D E 对比度为10％时 对比度为20％时 对比度为30％时 原始图像 . * 迭代过程的相对误差和相对残差曲线 . * 迭代过程的相对误差和相对残差曲线 . * 2.截断完全最小二乘正则化方法 满足： 最小二乘问题： 完全最小二乘问题： 满足： . * 截断完全最小二乘的步骤 1. 首先，计算增广矩阵(A，b)的奇异值分解： 2．确定截断参数k≤min(n，rank(A，b))使得： 3. 记q=n-k+1,将矩阵分块 4.则完全最小二乘问题的解为： . * TTLS方法的数值仿真结果 原始图像 对比度为10％时 对比度为20％时 对比度为30％时 . * 迭代过程的相对误差和相对残差曲线 . * 六. 迭代正则化技术 1.求解最小二乘问题的共轭梯度方法(cgls) 2. LSQR方法 . * 1.求解最小二乘问题的共轭梯度 方 法(cgls) 将共轭梯度法应用于法方程 相当于在Krylov子空间： 产生的序列xk，使得： . * cgls方法的解可表示为: 的k-1次多项式，其系数的确定 是 其中： 依赖于：(1).方程的右侧项b的特征； (2).矩阵A的奇 异值的分布； (3).迭代的次数 . * 迭代次数增加，残差变化不大，但解的范数受影响较大 . * 正则化参数对迭代的影响 . * cgls方法的数值仿真结果 B A C D E 对比度为10％时 原始图像 对比度为20％时 对比度为30％时 . * 迭代过程的相对误差和相对残差曲线 图5.15采用clgs方法，五种不同图像在对