改进的GMRES算法研究及其在图像恢复上的应用-计算数学专业论文.docxVIP

目 录 目 录 摘 要 I AbstractII 第一章 绪论 1 §1.1 研究背景及其意义 1 §1.2 研究概状 2 §1.2.1 GMRES 算法的研究概述 2 §1.2.2 图像恢复的研究介绍 3 §1.3 研究的内容及其主要创新点 6 §1.4 文章结构安排 7 §1.5 本章小结 7 第二章 基础知识 8 §2.1 GMRES 算法的求解过程 8 §2.1.1 Arnoldi 迭代方法 8 §2.1.2 求解一个最小二乘问题 9 §2.2 图像恢复 12 §2.2.1 图像退化模型的提出 12 §2.2.2 Tikhonov 正则化技术 13 §2.3 本章小结 13 第三章 一种微变形的 WGMRES 算法 14 §3.1 引言 14 §3.2 WGMRES 算法的计算方法 14 §3.3 微变形的 WGMRES 算法 15 §3.4 数值实验 17 §3.5 本章小结 20 第四章 图像恢复的正则化 WGMRES 算法 21 §4.1 引言 21 §4.2 正则化 WGMRES 算法 21 §4.3 数值实验 22 §4.4 本章小结 24 第五章 总结与展望 25 §5.1 全文研究工作总结 25 §5.2 全文研究工作展望 25 参考文献 26 致谢 …- 29 - 作者在攻读硕士阶段的主要科研成果 - 30 - -III- 第一章 第一章 绪论 改进 改进的 GMRES 算法研究及其在图像恢复上的应用 PAGE PAGE 1 PAGE PAGE 10 第一章 绪论 §1.1 研究背景及其意义 随着现代科学技术的快速发展,计算问题已引射到现代社会各个方面各个行业中, 比如在工业、农业、航空、医学等行业中就发挥了非常大的作用。人们通常使用计算 得来的数据来熟悉与掌握事物的运行状态和发展规律，但是在上面的计算中有一个共 同点，就是会出现繁琐的计算过程和庞大的计算量，在后续计算应用执行中可能会带 来比较多的麻烦。如果在面对复杂的计算问题时能够选择针对性的算法，那么在计算 操作中就会带来便捷与准确。大型稀疏且为非对称线性方程组的求解是一个复杂的计 算类问题[1]，方程组涉及的矩阵中绝大部分元素是零，且规模庞大；另外计算机执行 时只储存着非零元素及其位置，无法储存大规模矩阵，这将直接制约求解过程中计算 的难易程度，所以我们需要择取一个针对性算法来优化求解。 来讨论求解一个如下的大型稀疏的线性方程组： Ax ??b . (1-1-1) 其中 A ??Rn?n 是稀疏且为非奇异的系数矩阵，x, b ??Rn 为 n 维向量。大型稀疏矩阵问题 常常产生于离散化的椭圆型偏微分方程与抛物型偏微分方程，也产生于电子电路设 计、计算机分析与动力系统网络等诸多领域[2]。目前已经有很多算法能够求解像 (1-1-1)这样的大型稀疏线性代数方程组，一直以来人们习惯采用迭代方法来计算这 类问题，使得迭代方法逐渐受到了关注，而在众多迭代法中使用最广泛、最平常的就 是 GMRES 算法，因为其迭代过程简单且收敛速度较快，所以在面对求解大型稀疏且 为非对称线性方程组时就显得十分有优势了。GMRES 算法是由 Y.Saad 和 M.H.Schultz 在共轭梯度法和 Lanczos 方法的基础上结合先前 Arnoldi 的工作而提出的，该算法主 要包涵 Arnoldi 正交化和 QR 分解两个重要过程，思路是每步迭代中都要解决一个最 小二乘问题，逐在子空间里使用正交投影或者斜投影产生迭代向量的方法来进行计算 [3]。GMRES 算法已成为大型稀疏且为非对称线性方程组的主流求解法，特别是这些 年来，经过专家学者们对算法进行的整理、优化、变形，使得算法逐渐成熟起来，迅 猛发展为一个相关独立的研究领域。GMRES 算法不仅有丰富的理论研究，而且也广 泛应用于工程领域，例如结合相关技术应用于图像数据处理中。 GMRES 算法已是解决方程组所涉及的相关计算问题和线性代数问题时所采用的 一般方法，是实践一些工程应用问题的重要工具，在国家的科技发展中和经济建设中 将会占据着非常重要的地位。 §1.2 研究概状 §1.2.1 GMRES 算法的研究概述 1986 年，Saad 和 Schultz 首先提出了广义极小残量法，简称 GMRES 算法，用来 求解非对称线性方程组的解[3]。该方法先是采用 Arnoldi 正交化过程在 krylov 子空间 上生成一组正交基，再利用 QR 分解过程解决一个上 Hessenberg 矩阵的最小二乘计算， 来最小化对应残量的计算问题。后来为了节省空间内存、降低计算量，又提出了 GMRES 循环算法，即：GMRES( m )算法[4]，这里 m 为小于矩阵