基于降采样的光谱基线校正方法

基线漂移现象普遍存在于光谱数据的采集过程中,基线校正是对抗基线漂移干扰的重要手段。基于稀疏表示的基线校正方法能取得较好的光谱预处理目标,但在应用于高维度光谱基线校正时,计算复杂度极大,实效性差;且在纯光谱稀疏结构上的利用度不足,性能有待进一步提升。为充分利用稀疏结构并显著降低计算复杂度,提出了一种基于降采样的光谱基线校正方法。通过降采样策略构造一个多快拍并附加相关矩阵的稀疏恢复模型,在降低光谱数据维度的同时,确保各降采样快拍具有共同稀疏性和空间相关性。随后,在变分贝叶斯推理(VBI)框架中引入独立向量分解模式,利用向量乘积的数学变换技巧,自适应解耦多快拍间的空间相关性,进而分别推断出各快拍对应的贝叶斯最优稀疏解。此外,采用网格细化技术处理离网间隙,进一步提升了基线校正性能。模拟和真实数据集上的实验结果验证了所提方法的优越性。

面向隧道工程测量的点云降采样方法

隧道工程中采集的三维激光点云数据包含大量冗余数据,点云降采样是解决该问题的关键环节。合适的降采样方法对于点云技术在隧道工程中应用推广具有重要的作用,然而目前主流降采样方法,包括随机法降采样、最远点降采样和体素化降采样在隧道点云降采样效果不明。针对隧道点云降采样过程中存在的问题,通过理论分析及仿真实验,以降采样结果、算法耗时以及点云特征为判断标准,明确了各采样方法优缺点,给出隧道工程的点云降采样建议,对于点云在隧道监测中的应用具有重要的实际价值。

基于曲率特征的文物点云分类降采样与配准方法

三维重构是文物数字化的关键技术,其中三维点云配准精度是评估重构质量优劣的重要指标之一。实际采样中,文物点云细节信息繁多,传统降采样后易出现细节缺失从而影响配准精度。为了解决这一问题,本文提出了一种基于曲率特征的文物点云分类降采样与配准方法。首先,通过线性矩阵激光测量获取文物的三维点云数据。其次,计算所有点的曲率值,并设置曲率阈值进行点云分类,不同点集按照其特征属性进行不同权重的降采样,从而最大限度地保留点云的形态特征和细节信息。最后,通过求解刚性变换模型实现点云配准。点云配准前的降采样处理后点云数据降至原始点云的1/3,与传统的整体降采样ICP方法相比,平均距离从0.89 mm约降至0.59 mm,标准偏差从0.29 mm约降至0.18 mm。在降低点云数据的同时也保证了配准的精度,适用于不同类型的文物点云数据。

平均降采样多周期微分均值的旋转部件故障特征增强方法

为解决编码器的瞬时角速度(Instantaneous Angular Speed,IAS)信号中旋转部件故障特征微弱的难题,本文提出一种平均降采样多周期微分均值(Average Down⁃Sampling Multi⁃period Differential Means,ADSMPDM)的故障特征增强方法。基于IAS信号的估计特性,开展了IAS信号的平均降采样研究,验证了平均降采样具有抑制随机噪声的特性;基于平均降采样抑制随机噪声特性、降低计算成本和减小存储空间的优势,结合多周期微分均值的累积特性,提出一种ADSMPDM算法对原始IAS信号中的旋转部件故障分量进行增强处理;通过阶次谱分析揭示故障特征。采用仿真数据和实验数据进行验证分析,并与快速谱峭度、可调整多点优化最小熵反卷积、离散随机分离和谱幅值调制算法进行对比,验证了ADSMPDM算法增强旋转部件故障特征的有效性和优势。

基于特征相似度降采样的交易欺诈预测模型

在交易欺诈评估场景下,正负样本比例极其悬殊,需要对样本进行采样来解决样本不平衡。传统采样由于在采样过程中会丢失样本信息,导致模型预测的准确率不是很高。针对这类情况,提出一种基于特征相似度降采样方式的模型构建方法。该方法主要包括三个部分。(1)依据样本数据,构建有效的与欺诈相关的特征集。(2)通过引入样本差异度函数,在降采样时尽可能多地保留样本信息。(3)通过多个分类器进行融合输出欺诈概率。将该方法与其他常见采样方式进行比对,实验结果表明,该方法具有更好的评估结果。

高光谱空间降采样独立成分特征分离

提出一种空间降采样独立成分特征分离方法,用于缩短独立成分分析(ICA)法在高光谱图像特征分离时的运算时间。该方法通过对高光谱图像的二维像素空间进行网格划分得到较小的窗口;基于光谱相似性测度法度量每个窗口中中心像素与周围像素的距离。然后舍弃这段距离小于阈值的周围像素,而将大于阈值的周围像素和中心像素作为样本量进行FastICA,获取投影矩阵变换原始数据,得到特征分离的ICA成分。对比了传统ICA与空间降采样(SDS)ICA(SDS_ICA)的性能,研究了降采样阈值参数、降采样窗口参数及初始投影矩阵对SDS_ICA特征分离性能及运行时间的影响。实验结果表明:应用SDS_ICA时,仅设置适中的阈值和不敏感的窗口大小参数,就能保持与传统ICA相近的特征分离性能,运行时间减少了30%以上。该方法适合应用于高光谱准实时特征提取、数据降维及目标探测等领域。

不平衡数据的降采样方法研究

提出了一种处理不平衡数据的降采样方法,以解决机器学习中分类器在训练时因为样本集中的样本类别不平衡而导致过拟合造成分类器性能下降的问题.利用K-Means方法,对大类样本进行聚类并提取聚类中心,获得与较小样本集样本数目近似的样本,组成新的样本集用以训练.为了避免在小类样本数目较小的情况下,单纯使用聚类降采样算法造成训练集样本的过度稀疏,使用SMOTE过采样算法结合聚类降采样,既避免了SMOTE为样本集引入较多的噪声,又有效地解决了训练集样本稀疏的问题.6组UCI测试数据和5组生物信息学实验证明了它在对类别不平衡数据进行降采样上的有效性.

采用非降采样第二代小波变换的信号降噪方法

信号降噪是机电设备故障诊断领域中的重要研究课题。根据噪声的小波变换系数随着小波分解尺度的增加而迅速趋向于零这一特性,基于小波变换的降噪方法得到了广泛应用。文中研究了非降采样第二代小波变换的构造方法,给出了非降采样第二代小波变换中预测算子和更新算子的时域计算公式,分析了算法的计算复杂度,并在此基础上提出采用非降采样第二代小波的信号降噪方法。由于非降采样小波分解后的各层系数和原始信号的长度均相同,因此在具备平移不变性的同时还能保留更多的时域信息,从而可以提高信号的降噪效果。对仿真信号和实际信号进行了试验,结果表明,该方法较理想地对信号进行了降噪处理,并且能够较好地保留原始信号中的故障特征。

非降采样Contourlet域方向区域多聚焦图像融合算法

提出了一种基于方向区域特性的非降采样Contourlet域多聚焦图像融合算法。算法将图像进行非降采样Contourlet变换为不同方向的高低频子带,低频子带和高频子带中分别采用方向区域的方差匹配度和能量作为融合规则,其中方向区域与当前子带分解方向保持一致,最后,通过反变换得到融合图像。实验结果表明,本文提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征。将现有的融合算法和本文所提算法进行了主观和客观的对比,结果表明,基于非降采样Contourlet变换的方向区域特性的图像融合算法是一种有效可行的图像融合算法。

基于非降采样轮廓波变换的图像修复算法

多尺度分析技术已经广泛应用于数字图像处理领域,较大破损区域的图像修复成为图像修复的一个热点和难点。针对该问题,结合多分辨率分析原理与传统的样本块图像修复技术,提出了一种基于非降采样轮廓波变换的图像修复算法。该算法利用非降采样轮廓波变换把图像分解成低频部分和高频部分,并对图像分解后不同频率的部分分别予以修复。其中,图像的低频成分采用改进的纹理合成的方法进行修复。因为图像经过非降采样轮廓波变换后,低频分量与高频分量之间对应位置的信息之间具有一致性的特点,所以在修复低频成分的同时实现其他高频分量对应位置信息的修复。最后通过非降采样轮廓波重构过程完成纹理图像的修复。一般图像修复方法的参数选取以图像的修复效果最佳为宜,给出一个反例进行分析论证。实验发现,所提算法所修复图像的结构相似性测度与经典Criminisi算法和小波修复算法相差不大,但是峰值信噪比(PSNR)测度依据不同图像的纹理结构的特点与破损区域的不同位置特点而不同。仿真实验表明,所提方法很好地推广了非降采样轮廓波变换在图像修复中的应用,并且在修复大区域破损图像时能够获得较好的修复效果。

基于多尺度降采样规范化割的图像裂纹检测

针对多尺度规范化割在边缘检测时精度低以及求解特征向量耗时长等缺陷,提出一种基于多尺度降采样规范化割的图像裂纹检测方法。该方法首先利用反对称双正交小波变换的半重构特性对待测图像的多个尺度进行边缘特征提取;其次结合各尺度的强度和位置特征构建多尺度相似矩阵和多尺度规范化相似矩阵;然后对多尺度相似矩阵进行降采样并利用谱分割方法实现降采样特征向量求解;最后利用多尺度规范化相似矩阵对降采样特征向量进行上采样的乘法运算并离散化后得到最终结果。在3个数据集的单一目标图像上进行文中方法与多尺度规范化割等方法的实验结果表明,不仅提高检测精度,而且减少运算时间。

基于小波域降采样的低比特率图像压缩算法

针对无线传输背景下低比特率图像压缩存在的模糊和振铃问题,提出一种基于小波域降采样和插值的高效图像压缩算法。在编码端,对图像进行小波变换,根据各高频子带特点对其进行自适应降采样处理,并采用基于小波树的小波差分缩减编码算法进行编码。在解码端,采用基于边缘方向的插值方法将解码的高频子带进行放大,对解码重建的图像采用基于强边缘的自适应滤波算法以消除振铃效应。实验结果表明,与基于空域降采样的图像压缩算法相比,该算法具有较高的图像解码质量,可有效抑制低比特率下重建图像的模糊和振铃问题。

基于降采样处理的低空遥感影像SIFT特征匹配分析

针对影像数据降采样预处理对SIFT特征匹配数量和精度的影响进行试验分析,并对在相同采样频率下不同插值方法导致特征匹配数量与精度的差异进行详述,提出在满足影像分辨率要求的前提下,使用三次卷积内插方法进行80%～90%的降采样预处理,可以获得最大的特征匹配数量且满足匹配精度,而所需要的时间开销则减少20%～30%,具有重要的应用价值。

基于非降采样Contourlet变换的非线性图像增强新算法

为了克服传统去图像噪声算法的限制,该文提出一种基于非降采样(Nonsubsampled)Contourlet变换的增强新算法(NNIEM-NSCT)。此新算法通过充分利用方向子带相关性的自适应贝叶斯阈值,既保护了图像边缘细节,又可更好地抑制图像噪声。其次,文中构造的非线性增强匹配函数,通过改变变换域的系数能有效对图像强弱边缘进行不同程度的增强。实验结果证明,该文新算法在图像细节处理上,优于基于NSCT的方法,细节方差(DV)大约为NSCT的2倍,背景方差(BV)基本保持不变,并且具有更好的视觉效果。

联合非降采样金字塔与经验模态分解的遥感图像融合算法

为了更好地进行遥感图像融合,联合非降采样拉普拉斯金字塔变换(NLP)和二维经验模态分解(BEMD),提出了一种利用分解系数绝对值和瞬时频率作为融合特征的遥感图像融合新算法.首先利用非降采样金字塔对高分辨率全色图像(PAN)进行分解,使其低频部分和低分辨率全色图像(MS)具有相同的尺度特性;再对低频部分和MS图像进行BEMD分解,得到二维内蕴模态函数(bimf)和趋势图像,并计算各层bimf的4方向瞬时频率.为了尽可能提高空间细节质量,利用瞬时频率和分解系数绝对值作为融合特征,并考虑bimf部分对应位置系数的正负关系,采用加权算法对高频细节部分进行融合;最后进行相应的BEMD和NLP逆变换,得到融合图像.实验表明,该方法对融合影像的光谱质量和空间细节质量都有较好的改善.

基于降采样HHT的水轮机振动信号研究

在分析水轮机振动信号特征的基础上,提出了一种基于降采样过程的HHT方法,并引入到原型水轮机振动信号分析中。该方法利用数字降采样对信号进行重采样,得到适当的采样率,再进行EMD分解提取具有明确物理意义的水轮机轴系振动模式分量信号,最后通过H ilbert谱分析来探讨基于HHT的振动状态识别方法。非最优工况下原型水轮机振动信号的实例结果表明,该方法计算简便且计算精度高。

拉格朗日乘子法在机载SAR成像系统降采样滤波器设计中的应用

根据机载合成孔径雷达 (SAR)的成像要求 ,本文对降采样滤波器的设计提出了使降采样后将混迭进通带的旁瓣能量与通带能量之比为最小的评价标准 .在对拉格朗日乘子法做了详细的推导后给出了FIR滤波器求解的步骤 .通过对利用天线方向图和不考虑天线方向图的两滤波器的比较得出结论 :对于机载SAR实时成像系统的降采样滤波器考虑天线方向图的专门设计是必要的 .

14位1.5625MHz的ΣΔA/D中的降采样低通滤波器的设计

介绍了带宽为 70 0kHz ,14 bitΣΔ模数转换器中的降采样低通滤波器的设计。在整个滤波器的设计中 ,从结构上和硬件实现上入手 ,对电路结构进行优化 ,减小电路实现的复杂性 ,从而降低功耗和面积。在此基础上 ,完成了电路设计 ,用 0 .6 μmCMOS工艺综合实现 ,仿真结果显示 ,性能满足设计指标。

InSAR地表形变数据的降采样

利用InSAR形变数据进行反演研究时,InSAR数据地面空间覆盖范围广,获取的数据点数量多、密度大,包含有较多的误差点,会制约反演效率,影响反演结果的精度.为了提高反演的计算效率,保证迭代收敛,对InSAR形变数据进行了降采样研究,以西藏自治区当雄县2008年Mw 6.3级地震的同震形变数据为例,研究了基于降低分辨率的3种降采样方法:最邻近法、双线性内插法和三次卷积内插法,对3种方法所得结果进行对比分析,结果表明三次卷积内插法最适合InSAR地表形变数据的降采样.为了进一步提高降采样成果质量,对三次卷积内插值法进行改进,改进后获取的降采样形变数据能有效减少采样点数,较好地保存形变场的细节信息.

基于全采样和L1范数降采样的卷积神经网络图像分类方法

本文针对卷积神经网络中最大池化会丢失对图像分类"有用"信息的问题,提出全采样方法和基于L1范数的降采样方法。全采样方法利用所有输入,基于L1范数的降采样方法把输入划分为不重叠的2×2的部分,从每个2×2的部分中选择L1范数最大的k(k=1,2,3)个1×1的部分实现降采样。为验证所提方法有效性,在CIFAR-10数据集和MNIST数据集上进行实验,结果表明,相比最大池化,所提方法可以在参数量不增加的基础上提高图像分类准确率。