加权核范数最小化和改进小波阈值函数的图像去噪算法

针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。

基于改进加权核范数最小化的图像去噪算法研究

针对彩色图像的高斯噪声,在加权核范数最小化(WNNM)框架下,提出了一种对于彩色图像去噪的多信道(MC)优化模式。首先,选择多种类型噪声计算量,利用信道的冗余特性将RGB补丁连接起来,再引入权重矩阵以协调3种信道的图像保真性。把所提的MC-WNNM模型转换成线性等式约束现象,并采用交替位置乘子法(ADMM)解决。每个变量更新步骤都具有其封闭解,并能保证收敛性。基于真实用于无人机目标识别的彩色图像添加噪声进行仿真实验,实验结果说明,该算法相较现有的BM3D方法及WNNM方法具有明显优势。

基于截断核范数和PM算子的稀疏面阵角度估计算法

与均匀阵列相比,稀疏阵列可以使天线阵列成本降低,减少数据处理,同时带来更大的阵列孔径提高信号解析能力,在信号处理中有着广泛的应用。但是由于其排布的不规则性,计算量较大,二维面阵合成协方差矩阵存在空洞,对角度估计的准确性造成负面影响,增强了系统对噪声的敏感度。为了克服这些问题,本文提出了一种新的角度估计方法,采用截断核范数以降低噪声的影响,并通过ℓ_(p)范数优化提升信号的稀疏表示,利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)算法构造子问题恢复出完整的阵列信号。随后采用子阵划分技术和基于最小二乘的传播算子模型(Propagator Method,PM)对恢复的信号处理,精确估计信号源的方位和俯仰角。仿真结果表明,所提出的角度估计算法在角度精度和时间复杂度方面具有优越性。

带截断核范数子空间恢复问题的线性化自适应算法

该文将截断核范数应用到子空间恢复问题中,通过构造对应的优化模型,结合两步迭代算法、线性化技术、乘子预测步和自适应罚参数等技术方法,给出了一个求解该优化模型的算法.数值实验的结果表明该算法是可行且有效的.

基于Hessian核范数正则化的快速图像复原算法

利用Hessian核范数进行图像复原是目前较好的高阶正则化方法,但是由于Hessian核范数正则项的高度非线性和不可微性,图像去模糊和去噪过程耦合度高,求解算法的复杂度高.本文利用变量分裂设计了一种具有闭解形式的交替迭代最小化快速图像复原算法,将图像去模糊、去噪分步进行,并给出算法的收敛性证明.实验结果表明,本文方法不仅在峰值信噪比方面优于原有的基于Hessian核范数图像复原的主优化(Majorization-Minimization,MM)方法,而且大大降低了算法的迭代次数和运行时间.

基于噪声水平估计的加权核范数最小化噪声压制方法研究

随机噪声的存在会降低地震资料的信噪比,影响对有效信号尤其是不连续性信号的分析。尺度不变性噪声估计方法基于峰度值分布不随尺度变化,能够在复杂低噪声数据上较好地估计噪声水平;加权核范数最小化能够根据矩阵奇异值刻画数据差异,通过给定不同的权值,突显数据中重要的信息。为此研究了基于噪声水平估计的加权核范数最小化噪声压制方法,利用尺度不变性噪声估计方法得到随机噪声的噪声水平估计,并根据此估计值来归一化加权核范数最小化算法的保真项,继而对地震数据进行去噪处理。理论模型试验和实际数据应用结果表明,该方法能够根据噪声水平自适应地衰减地震数据中的随机噪声,并保持地震反射中的不连续性信息,实现对地震数据的盲去噪处理,为后期的构造解释、断层和断点识别、层位追踪、几何属性提取等提供良好的基础数据。

基于非局部相似及加权截断核范数的高光谱图像去噪

受仪器噪声干扰,高光谱图像(Hyperspectral Image,HSI)往往会受到高斯噪声的破坏,严重影响图像后续处理的精度,因此图像去噪是一项重要的预处理工作。此外,由于高光谱数据维度极高,因此算法效率成为模型应用能力的重要指标。为实现高效HSI去噪,文中首先将高维高光谱图像投影到低维光谱子空间上,从中学习一个正交基矩阵,然后结合高光谱的空间非局部相似性与全局光谱低秩性对低维子空间进行去噪,最后将复原后的低维图像与正交基结合恢复成原始数据维度。其中,非局部去噪过程要先通过图像的非局部相似性以邻域匹配方法寻找相似张量块组成具有强低秩属性的张量群组。针对各张量群组,文章联合加权核范数与截断核范数各自的优势,提出加权截断核范数作为低秩约束正则项,能更好地逼近本质秩属性。进一步,为快速获取模型的最优解,提出改进的近端加速梯度(Accelerated Proximal Gradient,APG)算法对低秩项进行优化求解。通过两组高光谱图像和一组多光谱图像对所提算法进行实验验证,结果表明,所提方法在视觉效果和时间效率上取得了良好的平衡,综合性能明显优于其他基于非局部去噪的对比算法。

块核范数的RPCA分解与熵权类稀疏的壁画修复

针对图像修复过程中,颜色纹理光学属性分离不彻底,以及在稀疏表示图像修复时字典设计单一,导致壁画图像修复结果易出现结构不连贯和模糊效应等问题,提出了一种基于块核范数的鲁棒主成分分析(robust principal component analysis,RPCA)分解与熵权类稀疏的壁画修复方法。首先,采用提出的基于块核范数的RPCA图像分解算法,将壁画图像分解为结构层和纹理层,利用块核范数进行纹理矫正操作,克服了RPCA结构纹理分离不完全的问题。然后,提出熵加权k-means方法对结构层图像进行聚类,构建得到稀疏子类字典,并通过奇异值分解和分裂Bregman迭代优化的类稀疏修复方法,完成结构层图像的重构。最后,利用双三次插值算法实现对纹理层图像的修复,将修复后的结构层和纹理层进行融合,完成破损壁画的修复。通过对真实敦煌壁画数字化修复,实验结果表明,该算法能够有效地保护壁画图像的边缘和纹理等重要特征信息,无论从视觉效果还是从峰值信噪比等定量评价方面,提出的方法修复效果均优于比较算法,且修复执行效率更高。

快速加权核范数最小化的SAR图像去噪算法

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。

阵元失效下基于核范数和SCAD惩罚的MIMO雷达DOA估计

阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效提高阵元失效下MIMO雷达的DOA估计性能。

基于多线性权重核范数最小化的遥感图像去噪

传统的基于矢量或基于矩阵的遥感图像去噪方法在去噪过程中可能导致空间域和光谱域失真。为了提高去噪效果的同时尽量降低失真,提出了一种多线性加权核范数最小化方法。首先,考虑到遥感图像的谱连续性和按三模展开矩阵的相互依赖性,构建了一种多线性秩来建模遥感图像的空间和谱非局部相似性。然后,为了使该方法更易于处理,采用基于变量分裂的方法来解决此优化问题。实验结果表明:该方法在客观度量和主观视觉质量两个方面都较目前最先进的方法都有较大的提高。

截断核范数低秩张量核矩阵图像修复算法

针对张量数据存在不完整和缺少项,导致图像修复过程中信息丢失的问题,提出了一种基于截断核范数和低秩张量核矩阵的图像修复算法TNN-LTKM(truncated nuclear norm low-rank tensor kernel matrix)。首先,引入张量截断核范数,对秩函数进行精确逼近,以增强优化模型的鲁棒性;其次,通过增加核心矩阵核范数扩展t-SVD中的张量核范数,定义了一个新的包含张量管秩和核矩阵秩的潜在核范数,来充分提取核张量中的低秩结构,消除冗余;接下来,采用增广拉格朗日法和交替方向乘子法对上述模型进行优化求解;最后,在ZJU、Berkeley和Kodak Lossless 3个数据集上进行实验验证,取相对平方误差、峰值信噪比、结构相似度和CPU运行时间4个评价指标,与现有的6种算法对比表明,TNN-LTKM算法在低采样率下有着良好的表现。

基于张量核范数与3D全变分的背景减除

针对常用背景减除方法忽略前景时空连续性的问题,以及动态背景对前景提取的干扰问题,基于张量鲁棒主成分分析(TRPCA)提出了一种改进的背景减除模型。该模型利用改进的张量核范数对背景进行约束,加强了背景的低秩性,保留了视频的空间信息;然后用3D全变分(3D-TV)对前景进行正则化约束,考虑了目标在时空上的连续性,有效地抑制了动态背景和目标移动对前景提取造成的干扰。实验结果表明,所提算法能有效地分离视频中的前景和背景,且与高阶鲁棒主成分分析(HoRPCA)、带有新核范数的张量鲁棒主成分分析(TRPCA-TNN)和基于克罗内克基的鲁棒主成分分析(KBR-RPCA)等方法相比,综合评判指标F-measure值均处于最优或次优状态。由此可见,所提算法有效地提高了前景背景分离的准确度,抑制了复杂天气和目标移动对前景提取的干扰。

基于改进的加权核范数最小化的地震资料去噪方法

在实际的地震资料中含有各种不同类型的随机噪声,会降低地震资料的信噪比和对有效信号的分析,因此去噪是地震资料处理的首要步骤。加权核范数最小化(WNNM)作为地震资料去噪的有效方法之一,利用图像的非局部相似性,是一种低秩矩阵逼近方法,并且为不同的奇异值分配不同的权重。同时离散余弦变换(DCT)是试图对图像进行去相关,是一种稀疏变换。本文从地震数据的稀疏性和非局部相似性出发,利用局部地震资料的稀疏性和地震数据的空间信息,我们提出了一种使用稀疏性和低秩正则化的地震去噪方法(WNNM-DCT)。实验结果表明,本文提出的方法相对于WNNM和其他去噪方法,能更好的去除噪声,保留图像的有效信息。

结合非局部先验性与加权核范数最小化的声纳图像去噪

如何快速有效地抑制声纳图像的噪声,是声纳图像目标识别系统需要解决的关键问题之一。为了解决基于加权核范数最小化的声纳图像去噪过程中易带来过平滑的问题,融合数字图像非局部先验知识,提出了结合非局部先验性与加权核范数最小化的声纳图像去噪算法。首先,利用声纳图像的非局部先验信息建立限制条件,形成基于非局部先验性的矩阵加权核范数最小化的去噪原理模型。其次,交替迭代求解图像噪声模型,重构得出噪声去除后的声纳图像。试验结果表明:提出的算法不仅能够有效减弱声纳噪声,还能够有效改善图像感官效果。

基于核范数最小的正定Toeplitz填充算法及稀疏阵列解模糊应用

稀疏阵列流形是模糊的,但当其差分伴随阵连续且完备时,可通过阵列协方差相关序列的Toeplitz变换实现疏阵列流形识别与解模糊。当伴随阵不连续完备时,需估计缺失相关项。本文将估计缺失相关项转换成Toeplitz填充优化问题,并提出核范数最小的正定Toeplitz填充算法。该算法先对最大熵约束下Toeplitz的正定性约束松弛为矩阵的迹为正,将其转换为核范数约束优化问题,并提出截断的均值奇异值门限法求解缺失相关项,最后实现最近邻准则下的正定Teoplitz填充。该算法适用于任意稀疏线阵流形解模糊,有效地提高填充的稳定性,降低了计算复杂度。仿真结果验证了算法的有效性、正确性和实时性。

基于改进核范数的2DPCA人脸识别算法研究

传统的二维主成分分析法广泛应用于图像特征提取,为了使此算法更加有效,提出了一种结构化二维算法,即核范数2DPCA算法(N-2-DPCA)。该算法基于核范数重构误差准则,将核范数最优化问题转化为基于F范数的最优化问题,然后通过采用迭代方法寻找到最佳投影矩阵,最后运用最小欧氏距离规则识别出待识别人脸的身份。在此基础之上,将N-2-DPCA扩展到基于双边投影的算法(N-B2-DPCA),采用曲线搜索算法寻找到双边投影矩阵,继而进行识别。最后将提出的算法在FERET和Yale B人脸数据库中进行人脸识别评估,实验结果表明所提出的算法与L1-2DPCA相比,重建误差降低了2.19%,识别率提高了2.03%,性能更好。

随机鼠疫病模型的核范数子空间辨识

基于连续鼠疫病模型,通过零阶保持器得到相应的离散模型.由于随机扰动的存在,提出相应的随机鼠疫病模型.设计卡尔曼滤波器,估计随机模型的状态变量以及降低噪声影响.采用核范数最小化方法代替奇异值分解,得到输入输出投影矩阵的低秩矩阵逼近.通过交替方向乘子法求解此优化问题,得到输出变量的最优解.根据世界卫生组织的非洲人类鼠疫病数据,利用本文提出的方法得到随机鼠疫病模型.仿真研究表明提出方法的有效性和精确性.

鲁棒核范数降维在图像去噪中的应用研究

针对核范数降维去噪方法对强噪声去除效果不佳的问题,提出一种鲁棒核范数降维的去噪方法。该方法在核范数最小化的思想下构建图像降维的代价函数,并在代价函数中增加噪声的L1范数作为其正规化项,用以改善降维时噪声对降维的影响,提高降维的鲁棒性,通过最小化代价函数,从高维的噪声图像中迭代求解出低秩的图像,以达到去噪的目的。实验结果表明,与核范数降维方法和三维块匹配(BM3D)方法相比,该方法能获得更好的去噪效果。

利用Capped核范数正则化的人体运动捕获数据恢复

结合人体运动数据的低秩性、噪声稀疏性和时序稳定性,将人体运动捕获数据恢复问题建模为低秩矩阵填充问题.不同于传统方法采用核范数作为矩阵秩函数的凸松弛,引入了非凸的矩阵Capped核范数(CaNN).首先,建立基于CaNN正则化的人体运动捕获数据恢复模型;其次,利用交替方向乘子法,结合截断参数自适应学习与(逆)离散余弦傅里叶变换对模型进行快速求解;最后,在CMU数据集和HDM05数据集上,将CaNN模型与经典的TSMC,TrNN,IRNN-Lp和TSPN模型进行对比实验.恢复误差和视觉效果比较结果表明,CaNN能够有效地对失真数据进行恢复,且恢复后的运动序列与真实运动序列逼近度较高.