基于TV-norm的阈值迭代分割算法

提出了一种基于TV-norm的阈值迭代分割算法.该算法首先用局部阈值迭代法确定各个子图像的阈值,得到一个待处理的矩阵;然后利用TV-norm对阈值矩阵进行插值处理,使之成为与原图像像素数目相同的新矩阵,得到光滑的阈值曲面,进而实现对图像的分割;最后通过仿真试验说明该算法的可行性和有效性.

基于TV-Stokes方程的图像去噪算法

将切向量的零散度条件与TV-norm相结合,利用能量极小化方法得到非线性的TV-Stokes方程,对切向量进行修正,并根据修正后的切向量来重构图像,提出了一种基于TV-Stokes方程的图像去噪算法,最后通过仿真实验验证了本算法的可行性和有效性。

基于压缩感知和TV准则约束的地震资料去噪

考虑到传统曲波变换阈值法难以获得理想的去噪效果,提出一种基于压缩感知和全变差(Total Variation,TV)准则约束的曲波变换地震资料去噪方法。该方法将传统的去噪问题转化成TV准则约束下的最优化问题,通过求取最优解重构原始信号,从而实现对地震资料的去噪处理。理论模型数据测试结果表明,该方法在地震资料去噪过程中可以有效压制同相轴边缘附近产生的不光滑畸变,相比传统的曲波变换阈值法能够获得更好的去噪效果;与F-X反褶积相比,该方法不仅能够有效压制地震资料中的随机噪声,提高地震资料的信噪比,而且能够较好地保护有效信号。某工区实际地震资料去噪结果进一步验证了上述方法的有效性。

基于全变分的全向图像稀疏重构算法

折反射全向成像由于曲面镜的反射作用,导致全向图像存在严重变形,传统的梯度计算方法在全向图像中不能很好地符合折反射成像的特点.为了从压缩采样数据快速有效地重构全向图像,提出了一种结合全向图像特征的全变分模型——全向全变分,并在基于TV范数进行全向图像重构时,采用全向全变分作为目标函数,进行模型的求解.实验结果验证了本文算法的有效性和可行性,其重构结果的主客观效果明显优于传统TV模型.

基于多模型融合的木材表面缺陷图像快速识别

根据木材缺陷图像识别技术的现状,针对适合识别木材各种表面缺陷图像的算法,对现有典型模型法进行图像识别方法的分析,提出了一种基于多个模型融合的木材表面缺陷图像快速识别算法。首先,在C-V模型中引入加权总变分能量(VTg(u)),使得二者分别能够与GAC模型连接,实现了在同一全局最小化框架下统一2种模型;然后采用全变分范数对偶化方法对模型进行了快速求解;最后给出了模型的数值化实现算法。结果表明:该算法不依赖初始轮廓线的选择,能够比较快速、准确地识别出木材的节子、孔洞、腐朽、空心等缺陷和单板多节子缺陷图像。

基于TV准则的图像分块重构算法的研究

利用压缩感知理论进行图像重构时,基于分块思想进行可有效提高重构速度,但同时会带来较强的块效应。为了解决该问题,提出了一种基于TV准则的图像分块重构算法。该算法将基于整幅图像时梯度计算方法进行改进,充分利用已重构块的边界像素信息,从而有效消除了图像的块效应。实验结果表明,提出的算法能够有效消除图像的块效应,提高重构图像的主客观质量,与TVAL3算法相比,重构图像的PSNR值最多提高了0.84dB,时间最高可节省24.38%,算法尤其适用于低采样率的情况。

结合图像结构特征和近似l_0范数的压缩采样恢复算法

为了从压缩采样数据快速有效地恢复自然图像,提出了一种结合近似l0范数和近似总体变分(TV)的压缩采样图像恢复算法模型——TVSl0,并在恢复算法中引入模拟退火方法来实现快速恢复.该模型以最小化近似l0范数为基础,融入了反映图像结构特点的近似TV范数,体现出该模型对图像空域变化有限这一特点的适应性;并使用连续近似函数解决了l0范数的不连续问题.针对典型自然图像恢复的实验结果验证了文中算法的有效性和可行性,其恢复质量和基本TV模型的方法相当,但迭代次数少、计算复杂度低.

基于最大后验概率的la范数去噪方法

从观测模型和先验模型入手,深入分析了在图像去噪过程中如何在边缘保护和去除噪声之间寻找平衡,针对TV先验模型在边缘保护和纹理保护中的不足,提出了新的基于最大后验概率的la范数去噪方法,该方法更好地保护了图像的边缘,同时使得在平滑区域产生的阶梯效应减少.数值实验进一步验证了该方法的正确性和有效性.

分块压缩感知的全变差正则化重构算法

针对分块压缩感知(BCS)重建图像质量较差问题,该文提出一种最小化l0范数的分块压缩感知全变差(TV)正则化迭代阈值图像重构算法(BCS-TVIT)。BCS-TVIT算法考虑图像的局部平滑、有界变差等性质,将最小化l0范数与图像的全变差TV正则项结合,构建目标函数。针对目标函数中l0范数项和分块测量约束项无法直接优化问题,采用迭代阈值法使重构图像l0范数最小化,并通过凸集投影保证满足约束条件,完成了目标函数的优化求解。实验表明,与基于l0范数最小化的分块压缩感知平滑投影算法(BCS-SPL)相比,BCS-TVIT算法重构图像峰值信噪比提高2 dB,能消除BCS-SPL的“亮斑”效应,且在视觉效果上明显优于BCS-SPL算法;与最小全变差算法相比,BCS-TVIT算法重构图像峰值信噪比提升1 dB,且能降低重构时间约2个数量级。

基于修正TV范数光流法的Himawari-8云导风算法研究

修正TV范数光流法是基于新一代静止轨道气象卫星Himwari-8探测的云图数据提出的反演云导风的方法.该方法首先通过ROF去噪模型提取云图细节部分,提出应用TV-L1范数局部惩罚项的光流法实现了高分辨率云导风反演,依靠质量标识对所求导风进行质量控制,去掉不合理风矢。实验结果表明,该方法适用于400 hPa高度以下的中低云云导风计算。

Alpha稳态噪声下基于Meridian范数的全变分图像去噪算法

在实际应用中,噪声不可避免,因此,图像去噪一直是图像处理领域研究的重点,并且近年来受到越来越多的研究者的青睐。该文首先基于Meridian分布和全变分(Total Variational,TV)的统计特性,提出一种全变分模型来复原alpha稳态噪声环境下的含噪声图像。此外,为了保证模型解的唯一性,对提出的全变分模型添加了一个二次惩罚项,得到一个严格凸的全变分模型,然后,使用原始-对偶算法对提出的全变分模型进行求解,并证明了该算法的收敛性。最后,进行了仿真实验,并对实验结果进行了分析,实验结果验证了提出模型的可行性与有效性。

一种基于TV模的图像放大新方法

图像放大技术是一种常见的重要的数字图像处理技术.本文从TV模与几何上曲率联系的角度,采用一种新的基于TV模的方法对图像放大过程中所新增加的数据进行处理,并且结合Matlab的剪裁函数imcrop,简易地实现了对图像特定区域的放大.

加强的低秩表示图像去噪算法

由于低秩表示(Low-Rank Representation,LRR)模型中核范数对非零奇异值的估计不足,所以利用参数化的非凸惩罚函数来估计非零奇异值,同时结合全变差(Total Variation,TV)范数保持图像边缘信息和加强区域平滑性的能力,通过对LRR模型中的系数矩阵施加TV范数约束,提出了一个新的图像去噪算法,并且采取交替最小化方法求解对应模型。利用图像的内在非局部自相似性先验,所提算法能够在有效发现和移除噪声的同时,增强恢复图像的结构和区域平滑性,提高图像的恢复质量。实验结果表明,与其他去噪算法相比,无论是客观评价还是视觉效果,所提算法都实现了具有竞争力的去噪表现,特别是在噪声强度较大时。

采用复合三角函数实现MIMO雷达单快拍成像的平滑l_0范数改进算法

SL0算法采用最速下降法和梯度投影原理,将选取的平滑函数逼近0l范数,以求解最优化问题实现信号重建。针对平滑函数逼近性能、算法精确度和算法运算量3个方面进行研究,该文提出一种高效地实现信号重构的算法ICTF-SL0算法。首先,选取复合三角函数作为平滑函数,同时以加权的方式引入全变差(Total Variation,TV)设定约束条件;其次,采用Chaotic迭代代替矩阵分解实现梯度投影。仿真结果证明,相比SL0及其他改进算法,ICTF-SL0能够提高成像精度,降低运算负担,实现稀疏阵列MIMO雷达单快拍成像。

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。

基于可变指数及L1保真项的图像去噪算法

全变分(TV)模型采用了梯度的1范数作为正则化约束,它能够沿着梯度方向较好地保护图像的边缘信息,但在图像较均匀区域,容易产生"阶梯"效应。利用梯度的可变指数函数作为正则化项,提出TV模型的改进模型,该模型既保持TV模型保护图像边缘信息的优点,又可以明显地减少非边界区域"阶梯"效应的产生,同时把u-f的1范数作为数据保真项增强了模型修复图像破损部分的能力。

植入式广告在我国的现状及发展分析

植入式广告已经成为了目前一种较为常见的广告形式,但在我国尚处于不成熟的发展阶段。本文主要分析了我国植入式广告的发展现状和存在的问题,并对其如何健康有序发展进行了思考。

基于TV范数对低秩表示去噪模型的改进

全变差(TV)范数具有保持图像边缘信息及加强区域平滑性的能力,为增强低秩表示(LRR)模型恢复图像的结构光滑性,将TV范数引入到LRR模型中,通过对LRR模型中的系数矩阵增加TV范数约束,提出了一个新的图像去噪模型——全变差低秩表示(TVLRR)模型,并采用交替最小化方法有效地求解该模型。利用图像内在的非局部自相似性先验,所提算法可以有效地发现和去除噪声,同时增强恢复图像的结构光滑性,使去噪后的图像质量显著提高。实验结果表明,与顶尖的去噪算法相比,所提出的算法在主观和客观上都实现了具有竞争力的去噪表现,特别是当噪声强度很大时。

媒体融合时代电视新闻的守正与创新--基于中央电视台首档融媒体栏目《中国舆论场》的考察

中央电视台首档融媒体电视栏目《中国舆论场》一方面坚守传统电视新闻生产规范,另一方面又积极与新媒体融合。《中国舆论场》与新媒体的融合表明,电视新闻生产规范对媒体内容生产深度融合仍具参考价值,内容生产仍是媒体深度融合的"短板",电视媒体与新媒体的融合尚待进一步加深。

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。