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。

基于联合加速近端梯度和对数加权核范数最小化的地震数据重建

由于地表障碍或经济限制,采样的地震数据通常是不完整的,因此地震数据重建是地震研究中的一个重要课题。本文提出一种基于联合加速近端梯度和对数加权核范数最小化的地震数据重建方法。首先通过纹理块算子对原始地震数据进行低秩预处理,然后使用加速近端梯度算法对低秩地震数据进行初步重建,最后提出对数加权核范数算法,用该算法解决优化问题并重建缺失数据。合成地震数据和真实地震数据对比实验结果表明,相比于奇异值阈值、加权核范数以及基于最大化最小化框架的非凸对数和函数算法,本文算法的重建结果在定量和定性分析上均有提升:在40%缺失率合成数据集上的信噪比为26.1357 dB,重建误差为6.7894;在30%缺失率Mobil Avo Viking Graben Line 12数据集上的信噪比为17.2478 dB,重建误差为4.7625;在60%缺失率Netherlands F3数据集上的信噪比为26.0581 dB,重建误差为7.4641。

基于加权核范数与3D全变分的背景减除

针对鲁棒主成分分析模型(Robust Principal Component Analysis,RPCA)一般将前景看作背景中存在的异常像素点,从而使得在复杂背景中前景检测精度下降的问题,提出一种基于加权核范数与3D全变分(3D-TV)的背景减除模型。该模型以RPCA为基础,利用加权核范数来约束背景的低秩性,考虑了不同奇异值对秩函数的影响,使其更接近实际背景的秩;然后利用3D-TV来约束前景的稀疏性,考虑了目标在时空上的连续性,有效抑制了复杂背景对前景提取造成的干扰。实验结果表明,与其他4种算法对比,所提模型的F值基本上是最优的,且能准确地分离图像中的背景和前景。

粒子群优化的加权核范数低秩矩阵补全算法

针对加权核范数最小化矩阵补全方法存在阈值决策函数单一、收敛精度不高等问题,提出一种粒子群优化的加权核范数最小化低秩矩阵补全算法。改进算法利用粒子群的启发式智能搜索能力,为待恢复矩阵的奇异值自适应地匹配恰当的阈值,以提升算法的收敛性能。改进工作主要包括:(1)设计多种奇异值阈值决策函数,为矩阵提供多种阈值分配策略;(2)改进粒子群的速度迭代公式,提出基于余弦函数的速度惯性调节公式以增强粒子群的全局搜索性能;(3)利用改进的粒子群优化算法为阈值决策函数搜索最优的参数组合,然后再通过阈值决策函数生成奇异值的阈值,重构恢复结果并提升算法的收敛精度。在人工数据和图像数据上的实验结果表明,与加权核范数最小化方法、奇异值阈值化方法以及低秩矩阵拟合方法相比,改进方法具有收敛精度更高、恢复结果更清晰等优势。

结合加权核范数与3D全变分的目标检测

针对现实复杂场景使目标检测精确度下降的问题,提出了一种结合加权核范数与3D全变分的目标检测模型。基于扩展的鲁棒主成分分析模型,首先将视频分解为低秩静态背景、稀疏平滑前景和稀疏动态背景,利用加权核范数对背景进行低秩约束,考虑了不同奇异值对秩函数的影响;为加强前景的时空连续性,利用3D-TV来约束运动目标,有效抑制了复杂背景的干扰作用。实验表明,所提算法检测运动目标的准确率较高,能有效抑制复杂背景的干扰作用。

基于负荷介数的配电网电气连通性检测试验研究

在10 kV以上的高压配电网电气连通性检测中,负荷介数有较好的指标意义,并且介入性较小。通过运算高压配电网内各节点的加权介数与节点结构关键度,获得各节点的负荷介数,依据各节点负荷介数辨识出配电网内的关键节点;通过对配电网网络拓扑图的描述数据结构实施更改,设计针对拓扑图的连通性算法,采用此算法检测负荷介数,辨识出高压配电网内关键节点的电气连通性。试验研究结果表明,该方法可辨识出高压配电网内关键节点,且辨识结果准确可靠,能够针对辨识出的关键节点实施连通性检测,且具有较高的检测速度与精度,检测性能优越。

自适应加权核范数最小化的图像去噪

针对加权核范数最小化算法在图像去噪过程中存在难以分离低秩信息与噪声、参数选取过度依赖经验值的问题,提出了一种自适应加权核范数最小化的图像去噪算法。首先,利用图像非局部相似先验构建加权核范数最小化图像去噪模型,然后引入改进Gerschgorin理论从观测矩阵中准确估计出低秩矩阵的秩。在此基础上,结合秩估计方法提出自适应思想,通过奇异值分解与软阈值算子对自适应加权核范数最小化图像去噪模型进行求解,得到最终的去噪图像。实验结果表明,文章算法与现有的多种经典去噪算法相比具有更高的峰值信噪比值和结构相似性值,有效提高去噪性能的同时保持了图像的边缘纹理等细节信息,具有良好的鲁棒性和泛化性。

基于重加权相关全变分模型的医学图像去噪方法

图像去噪一直是一个受到大量研究者关注的问题,并成功应用到医学等领域。典型的图像去噪方法是利用图像中存在的先验信息,例如低秩先验,局部光滑先验等。但是,目前的图像去噪方法并没有充分利用到图像的这些先验信息,导致去噪效果不是很理想。针对上述问题,本文提出了基于重加权相关全变分正则项的图像去噪模型。该模型利用重加权核范数的方式对相关全变分正则项进行约束,来保证更加充分地利用图像中的低秩先验和局部光滑先验,以此来提升图像恢复效果。我们应用该方法到医学图像中,并和常见的几种图像去噪方法进行比较,实验结果显示,该方法所得到的图像质量得到了明显的提升。

基于加权张量低秩约束的多视图谱聚类

现有基于图的多视图聚类方法通常难以同时考虑不同视图的潜在高阶相关信息和每个视图内的全局几何结构,导致聚类性能受限。为此,提出一种基于加权张量低秩约束的多视图谱聚类方法(WTLR-MSC)。根据多视图数据构建概率转移矩阵,将所有的概率转移矩阵构建为三阶张量,并借助鲁棒主成分分析思想将其分解为目标张量和误差张量。使用加权张量核范数约束目标张量的旋转张量,利用奇异值先验信息准确挖掘多视图数据的潜在高阶相关信息,并利用核范数约束目标张量的每个正切片以刻画每个视图内的全局几何结构。基于此建立数学模型,并设计有效的求解算法。在BBCSport、BBC4View、COIL20、UCI Digits 4个常用数据集上的实验结果表明,WTLR-MSC较ERLRT、MCA~2M、MGL-WTNN等聚类方法的性能有显著提升,准确率、标准化互信息、F1值、精确率、召回率相较于次优方法最高提升约1.3、1.0、1.2、1.6和0.8个百分点,大幅增强了多视图聚类的稳健性。

计及灵敏度因子的加权电气介数在电网脆弱性线路识别中的应用

基于复杂网络理论,通过引入"发电机-负荷"节点对之间的灵敏度因子,重新定义了计及灵敏度因子的加权电气介数,用于电网的脆弱性线路识别。通过修正发电机、负荷节点在加权电气介数计算过程中的权重值来强化"发电机-负荷"节点对之间的潮流指向性。以IEEE 9节点系统和IEEE 39节点系统作为测试算例,求解各线路的加权电气介数值并以此对脆弱线路进行排序,对排序靠前的脆弱线路分别进行N-1小干扰稳定性校验和静态攻击稳定性校验,校验结果验证了所提方法的正确性。

加权残数和有限元耦合法解弹性力学问题

提出了加权残数和有限元耦合法的思想，推导了求解弹性力学和薄板变曲问题的加权残数和有限元耦合法的公式，给出了算例，与理论解进行了比较，并阐述了本文方法的优点。

跳数加权DV-Hop定位算法

针对DV-Hop定位算法中距离估计误差对定位结果的影响,提出了一种信标节点优选方案和跳数加权DV-Hop定位算法。首先通过设定跳数阈值,保留跳数较少的信标节点,然后剔除近似在一条直线上的信标节点,完成信标节点优选,避免未知节点无法定位的情形。此外,利用Friis模型推导出距离估计误差与信号传播跳数之间的映射关系,采用传播跳数作为加权因子对定位结果进行了修正。仿真结果表明该算法降低了距离估计误差对定位精度的影响,提高了定位精度。

基于PFC^(3D)的加权平均数建模法在三轴数值试验中的应用

基于室内三轴试验研究成果,以PFC^(3D)为工具建立三维颗粒流模型,开展三轴数值试验研究.针对大型三轴数值试验大范围粒径颗粒生成困难问题,提出了加权平均数数值建模方法,并以转动颗粒场分析手段为依据进行局部裂隙细观分析.研究表明,加权平均数数值建模法得到的颗粒级配与室内试验颗粒级配及三轴试验结果吻合度都较好,此法有利于提高计算效率;转动颗粒场有利于三维立体模型剪切面的细观分析,将其与颗粒位移场相结合进行细观分析能更好的揭示粗粒土宏观力学及变形特性的内在机制.

板壳弹塑性分析的加权残数法

本文采用双五次B一样条函数为位移试函数,由最小二乘配点法导出了板和双曲扁壳弹塑性分析的增量形式的基本计算公式,然后用变步长增量加载和初应力法求解,用一系列弹性解的总和来逼近准确解。文中给出了若干算例,计算表明:该法收敛稳定,敛速快,精度高,同时输入数据极少,比有限元法简便、经济、高效,且可以在微机上实现。

基于加权长度的交通网络分形维数

刻画交通网络的分形特性需要适合的指标,半径维数便是其中一种重要的测度,可以类比于分形体的容量维数。由于组成交通网络的公路具有多种类型和等级,仅用半径维数不足以反映公路交通网络的结构特性。论文提出了一种基于加权长度的交通网络分形维数,即在模拟各等级公路比重变化的情况下,给不同等级公路加以适当权重,这样得到的分形维数,即为加权半径维数。结果表明,加权半径维数是刻画交通网络分形结构比较适合的指标。

基于介数加权模型的网络防御资源优化分配方法

网络防御资源的优化配置是长期困扰防御方的难题。本文提出了刻画网络单元脆弱性的幂函数模型,提出了描述网络风险的介数加权模型。基于网络风险最小原则给出了网络防御资源的优化分配方法。该方法对网络防御资源分配具有十分重要的价值。

加权残数法中试函数选择问题的探讨

本文应用泛函分析和复变函数逼近论的方法初步探讨了加权残数法中试函数选择的原则,并对完备性进行了较深入的讨论.在此基础上,针对组合结构问题,提出了“基因子”概念,并推演出了一些“基因子”及其试函数的一般组构形式.最后,以四边固支矩形加筋板为例,进行了比较计算,取得了积极的效果.

差分和加权Mel倒谱混合参数应用于说话人识别

说话人识别是信息技术和生物学的新一代身份验证方式,在说话人识别的研究中,特征参数的提取直接影响到识别系统最终的识别效率.通过对Mel频率倒谱系数特征参数进行分析研究,基于Mel频率倒谱系数改进加权函数,将体现个人语音特性的加权特征参数与反映语音帧间变化的差分Mel频率倒谱系数进行维度筛选,再进行参数混合.实验结果表明,通过改进加权函数提取得到的特征参数与差分Mel频率倒谱系数的混合参数在矢量量化的说话人识别系统中,码本容量为16和32时可以达到100%的识别率.