基于‘1优化模型和bregman迭代的图像恢复算法研究-基础数学专业论文.docxVIP

万方数据 万方数据 Classified Index: O242 U.D.C: 68U10 Dissertation for the Doctoral Degree in Science RESEARCH ON ALGORITHMS OF IMAGE RESTORATION BASED ON t1 OPTIMIZATION MODEL AND BREGMAN ITERATION Candidate: Qiao Tiantian Supervisor: Professor Wu Boying Academic Degree Applied for: Doctor of Science Specialty: Pure Mathematics Affiliation: Department of Mathematics Date of Defence: April, 2014 Degree-Conferring-Institution: Harbin Institute of Technology 摘 要 摘 要 本 论 文 是 以 线 性 化 Bregman 迭 代 法 思 想 为 基 础，针 对 以 图 像 去 模 糊 和 稀 疏信号重构为代表的 t1 优化问题进行相应的算法研究. 图像恢复是应用范围较为广泛的一类实际问题，遍布科技和日常生活的 各 个 领 域. 由 于 其 广 泛 的 适 用 范 围 和 重 大 的 实 际 意 义，近 年 来 一 直 都 是 研 究 的 热 点. 图 像 去 噪 的 算 法 和 模 型 众 多，且 很 多 都 已 取 得 较 好 的 成 果. 而 由 于 卷 积 的 存 在 使 得 图 像 去 模 糊 问 题 相 对 复 杂，因 此，计 算 起 来 较 为 困 难. 另 一 方 面，在 很 多 尖 端 技 术 中 也 常 需 要 稀 疏 信 号 的 重 构，特 别 是 要 求 使 用 尽 量 少 的 传 感 器 进 行 测 量，使 用 较 少 的 信 息 恢 复 其 原 有 信 号，这 无 疑 使 稀 疏 求 解 变 得 更为重要. 本文旨在提高图像去模糊和稀疏信号恢复过程的计算效率，提出几种新 的快速算法，主要工作如下： 首 先，提 出 了 一 类 新 的 广 义 逆 迭 代 格 式，给 出 了 它 的 收 敛 性 定 理，并 通 过数值试验说明其有效性. 其 次，在 线 性 化 Bregman 迭 代 法 的 基 础 上，结 合 广 义 逆 的 迭 代 技 术，充 分考虑算法对计算效率和恢复效果的影响，特别是图像和信号的细节特征恢 复，提出了新的简化迭代法和新的 Chaotic 迭代法. 新 的 简 化 迭 代 法 是 用 迭 代 求 解 广 义 逆 的 方 式 来 代 替 SVD 分 解 的 方 法. 该 方 法 采 用 内 外 循 环 计 算，在 内 外 循 环 相 对 平 衡 的 情 况 下，可 取 得 较 为 满 意 的 效 果. 而 新 的 Chaotic 迭 代 法 则 是 在 其 基 础 上，将 内 外 循 环 转 化 为 一 致 迭 代 的 单循环，使计算不仅得到了进一步简化而且还可以将图像或信号的之前所有 迭 代 信 息 全 都 用 于 下 一 步 的 恢 复；这 样 不 仅 减 少 了 工 作 量，还 可 以 将 图 像 恢 复或信号重构过程中丢失的细节信息和特征重新被回代，提高了计算效率且 增 强 了 恢 复 效 果. 理 论 上 给 出 了 收 敛 性 的 相 关 证 明，并 通 过 数 值 试 验 证 明 了 方法的可靠性. 再 次，在 新 的 Chaotic 迭 代 法 的 基 础 上，结 合 重 复 加 权 的 思 想，提 出 了 重 复 加 权 t1 极 小 化 方 法. 该 方 法 利 用 了 最 新 得 到 的 数 据 来 进 一 步 更 新 加 权 系 数. 在 理 论 上，重 复 加 权 t1 极 小 化 方 法 相 当 于 将 t1 极 小 化 问 题 修 正 为 加 权 的 tω 优 化 问 题，因 此 定 义 了 广 义 的 带 权 系 数 的 软 阈 值 算 子. 通 过 重 复 加 权 对 每 步 计算的结果进行校正，在纹理较为敏感的情况下可以及时弥补图像恢复的细 节特征，增强了图像的恢复效果并且在计算效率上并没有因为权系数的引入 I - 哈 尔 滨 工 业 大 学 理 学 博 士 学 位 论 文 而带来过多的影响. 最 后，针 对 t1 优 化 模 型 的 线 性 化 Bregman 迭 代 法，结 合 求 解 的 优 化 问 题 给出迭代格式之间的等价关系. 总 之，对 t1 优 化 模 型 在 线 性 化 Bregman 迭