基于L0梯度平滑与图像分块聚类的海天线检测

海天线检测在海洋工程安防活动中具有重要的意义,真实海洋环境中的海天线检测易受云朵、海浪、光照变化、目标遮挡物、边界模糊等外界干扰。为了实现对真实海洋环境中海天线的检测,本研究提出一种基于L0梯度平滑和图像分块聚类的海天线检测算法。首先,对图像进行L0梯度平滑滤波,以增强海天线边缘,弱化非海天线因素干扰;接着,将图像沿着竖直方向分割成若干等宽图像块,以降低整体环境干扰,加强局部海天线检测效果;然后,通过Canny算子和霍夫变换提取每个分割图像块中的直线段;最后,采取K-means聚类算法提取每个图像块中的海天线段,拟合生成完整海天线。实验结果表明,在真实的海天线数据集中,本研究方法获取的矩形框重叠率平均精度为93.22%,角度差平均精度为7.66%,均高于文中选取的近年典型对比算法。满足实际海天线检测抗干扰强、准确率高、适应性广等要求。

基于平滑L0范数SAR图像重构算法

为提高合成孔径雷达(SAR)图像重构性能,针对SAR图像的特点,提出一种改进平滑L0范数的SAR图像重构算法。首先选用负指数函数作为平滑函数,通过控制参数由大到小变化,使平滑函数逐步趋近于L0范数,从而将SAR图像重构问题转化为L0范数优化问题;其次沿着最速下降方向搜索最优值,并投影在可行集上,实现优化求解。实验表明,在相同外部条件下,文章所提出的SAR图像重构方法较传统算法具有一定优势。

基于改进平滑L0范数的图像重构算法

针对图像重构问题,文章提出一种基于改进平滑L0范数(SL0)稀疏信号重构算法。首先,选用负指数函数作为平滑函数趋近L0范数,将图像稀疏重构问题转化为平滑函数的优化求解。通过调整控制参数,使得负指数函数趋近L0范数。再通过循环迭代与梯度投影方法,求出最优解。实验结果表明,该算法较其他传统算法对图像重构具有优势。

基于改进平滑L0范数的压缩感知重构算法

针对稀疏信号重构问题,文章提出了一种改进的平滑L0范数(SL0)稀疏信号恢复算法。首先,采用负指数函数作为平滑函数趋近L0范数,并通过逐渐减小控制参数序列来求解平滑函数的最优值,同时采用单循环结构代替双循环结构优化求解。其次,增加了对比较步骤,以确保沿最速下降方向进行最优值的搜索,从而实现稀疏信号的精确重构。实验仿真结果表明,文章提出的算法具有较好的重构效果。

共刺激分子OX40和OX40L在重症手足口病患儿外周血中的表达及意义

目的 研究重症手足口病(HFMD)患儿外周血中共刺激分子OX40、OX40L的表达并探讨其临床价值。方法 选取2019年1月至2022年8月郑州大学附属儿童医院收治的肠道病毒71型(EV71)感染并确诊为HFMD的144例患儿,根据病情轻重程度分为轻症组(95例)及重症组(49例)。同时选取50例同年龄段健康体检儿童为对照组。检测所有入组儿童外周血标本中CD4^(+) T细胞OX40及CD14^(+)单核细胞上OX40L的表达。对HFMD患儿进行小儿危重病例评分(PCIS),分析HFMD患儿PCIS与OX40和OX40L表达间的相关性。结果 HFMD患儿的OX40和OX40L的表达水平均高于对照组,其中重症组最高(P<0.05);相关性分析显示,HFMD患儿OX40的表达与PCIS有相关性(r=-0.729,P<0.05)。比较外周血OX40、OX40L、白细胞计数(WBC)和白介素-6(IL-6)对重症HFMD的诊断效能,OX40的曲线下面积(AUC)最大,为0.844(95%CI:0.780~0.908),诊断重症HFMD效能较高。结论 OX40、OX40L在HFMD患儿的外周血中表达升高,在HFMD发病过程中发挥重要作用,且OX40可能与疾病的严重程度相关,可作为重症HFMD的预测指标之一,对早期识别重症HFMD患儿具有重要意义。

基于反射的L(0,1)导波的分段式管道腐蚀定量监测方法研究

腐蚀导致管道壁厚减薄,进而降低管道的强度和完整性,威胁管道的运行安全.提出了一种基于反射的L(0,1)导波的分段式管道腐蚀定量监测方法.通过分析不同壁厚下管道中L(0,1)导波的变化规律,提出使用反射的L(0,1)导波走时变化作为壁厚损失敏感特征,建立了反射波走时变化与壁厚损失的理论关系,根据实测的反射波走时变化和该理论关系量化管道壁厚损失.开展了实验研究,在管道上激发L(0,1)导波,使用实测的反射波走时变化评价管道壁厚损失,并结合理论关系得到对应的壁厚损失.结果表明:通过反射波走时变化可以灵敏识别和准确量化管道壁厚损失,由反射波走时变化评估的壁厚损失与超声测试值较为一致.与已有的导波方法相比,所提方法提高了对管道壁厚损失的分辨率和量化精度.而且,该方法克服了超声测试只能逐点扫描,检测精度受多种因素影响,无法远程实时在线定量监测管道壁厚损失的不足.

基于近似l_0范数的稳健稀疏重构算法

针对测量值受噪声污染的稀疏重构问题,本文提出了稳健近似l0范数最小化算法.该算法首先利用反正切函数近似l0范数,然后建立基于近似l0范数的含噪稀疏重构模型,最后通过拟牛顿法求解该模型,并分析了算法的收敛性.数值仿真表明,本文提出的算法重构稀疏向量时需要较少的测量值,且具有较高的计算精度.

基于光滑l_0范数和修正牛顿法的压缩感知重建算法

基于光滑l0范数最小的压缩感知重建算法——SL0算法,通过引入光滑函数序列去逼近l0范数,从而将l0范数最小的问题转化为光滑函数的最优化问题.针对光滑函数的选取以及求解该函数的最优化问题,提出一种基于光滑l0范数和修正牛顿法的重建算法——NSL0算法.首先采用双曲正切函数序列来逼近l0范数,得到一个新的最优化问题;为了提高该优化问题的计算效率,推导出针对双曲正切函数的修正牛顿方向,并采用修正牛顿法进行求解.实验结果表明,在相同的测试条件下,NSL0算法无论在重建效果还是在计算时间方面都明显优于其他同类算法.

Gabor字典及l_0范数快速稀疏表示的人脸识别算法

针对光照、遮挡、伪装情况下,识别率比较低,识别时间长的问题,本文提出了基于Gabor字典及l0范数快速稀疏表示的人脸识别算法。Gabor小波提取的特征能够克服遮挡、光照等干扰对人脸识别的影响,平滑l0算法通过平滑连续函数来近似l0范数,只需较少测量值并且较快速度便能重构稀疏信号。本算法通过提取人脸的Gabor特征、主成分分析法(PCA)降低维度,l0范数快速稀疏分类完成识别。在伪装人脸情况下,分块计算Gabor人脸特征,提高Gabor字典的形成速度。基于AR人脸数据库的实验结果表明,本算法可在一定程度上提高识别速度和识别时间,即使在小样本情况下,依然具有较高的识别率。

基于修正近似双曲正切函数的平滑l_0范数算法

针对SL0算法中高斯函数对l_0范数的逼近程度较差以及在算法迭代过程中存在"锯齿效应"的问题,提出一种基于修正近似双曲正切函数的平滑l_0范数算法。采用逼近性能更优的修正近似双曲正切函数近似l_0范数,建立基于此函数的稀疏问题模型,利用牛顿法对其进行求解,能够以较高的精度重构出稀疏信号。仿真结果表明,相比于SL0算法、NSL0(newton smoothed l_0norm,NSL0)算法以及ASL0(approximate smoothed l_0norm,ASL0)算法,所提算法能获得更优的重构性能。

基于平滑l_0范数的高分辨雷达一维成像研究

雷达高分辨距离像对于目标检测、识别具有重要意义。该文针对高频区雷达散射响应的特点,采用稀疏信号表示方法研究了雷达高分辨1维成像问题。以理想点散射模型为基础,构造了相应的过完备基,并引入平滑l0范数法实现雷达高分辨成像。实验结果表明该方法在观测数据采样率降低、观测数据缺失等实验条件下均能正确成像,验证了该方法的有效性。

用于稀疏系统辨识的改进l_0-LMS算法

该文研究和改进了l0-LMS算法以提高对稀疏系统进行辨识的性能。首先依据均方误差反映出的收敛深度信息动态调节步长,提高了算法的收敛速度;其次利用估计误差绝对值加权修正零吸引函数,减小了稳态失调误差。然后定性分析了改进算法中各个参数的取值对收敛速度和稳态性能的影响。最后,计算机仿真验证了新算法的性能明显优于原l0-LMS算法和若干现有稀疏系统辨识的方法。

基于SL0压缩感知信号重建的改进算法

SL0算法是一种基于近似L0范数的压缩感知信号重建算法,它采用最速下降法和梯度投影原理,逐步逼近最优解,具有匹配度高、重建时间短、计算量低、不需要信号的稀疏度这个先验条件等优点。但是,它的迭代方向为负梯度方向,存在"锯齿效应",并且SL0算法及其改进算法(NSL0)中的连续函数"陡峭性"不大,使近似L0范数的估计不精确、收敛速度慢。本文采用"陡峭性"大的近似双曲正切函数,结合修正牛顿法和阻尼牛顿法,提出一种更快速高效的信号重建算法(ANSL0)。数值计算结果表明,在相同的条件下,相比SL0和NSL0算法,ANSL0算法在匹配度、峰值信噪比和信噪比方面都有了较大提高。

(3n+1)值逻辑系统R_0L中公式的真度性质

基于计量逻辑学的思想,在(3n+1)值模糊命题逻辑系统R0L中引入了公式真度的概念,研究了其主要性质;给出了公式真度的积分表示,并证明了(3n+1)值逻辑系统R0L中的真度MP规则及真度HS规则;利用真度定义了公式间的相似度与伪距离,从而为在(3n+1)值逻辑系统R0L中建立近似推理理论提供了一种可能的框架.

基于l_0范数近似最小化的稀疏信号重构方法

针对稀疏信号的重构问题,提出了l0范数近似最小化算法。利用反正切函数近似l0范数建立相应的非凸优化问题。通过构造快速的不动点迭代格式求解该问题,分析了所提出算法的收敛性能。数值仿真表明,该算法具有重构信号需要测量值少、计算精度高且计算量较小的优点。

光滑L0范数广义逆波束形成

为改善L1范数广义逆波束形成性能,提出了一种光滑L0范数广义逆波束形成算法。该算法充分利用L0范数能充分反映单极子噪声源信号稀疏本质的特性,结合光滑L0范数方法通过少数几次迭代即得到噪声源信号的稀疏解。首先,基于数值模拟的声源识别成像图以及声学半径曲线探究其结果随声源频率、阵列形式的变化规律,结果表明光滑L0范数广义逆波束形成相比L1广义逆波束形成,在相同的空间分辨率情况下,需要的传感器测量值更少;在相同的声阵列形式下,光滑L0范数广义逆波束形成的空间分辨率更高。最后,通过实验算例对单极子声源进行了声学成像,结果表明光滑L0范数广义逆波束形成相比其他波束形成,能更好地识别噪声源,进一步验证了该算法的有效性及实用性。

稀疏信号重构的迭代平滑l_0范数最小化算法

压缩感知理论(Compressed Sensing,CS)是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对稀疏信号的重构问题,提出了迭代平滑l0范数最小化算法。该算法首先利用上次迭代得到的稀疏解估计部份支撑集I,然后建立并求解基于支撑集I的平滑l0范数最小化问题,最后对以上两步迭代少数几次得到稀疏解。数值仿真表明,本文所提出的算法重构信号需要测量值数少于已有的算法,且计算速度较快。

基于BFGS拟牛顿法的压缩感知SL0重构算法

平滑l0范数(SL0)算法是一种基于近似l0范数的压缩感知信号重构算法,采用最速下降法和梯度投影原理,通过选择一个递减序列来逐步逼近最优解,具有匹配度高、计算量低、不需要已知信号稀疏度等优点。但是,其迭代方向为负梯度方向,使得在迭代过程中产生"锯齿现象",导致在最优解附近收敛速度较慢。牛顿法具有较快的收敛速度,但是对初值的要求较高,并且需要计算Hesse矩阵。拟牛顿法则克服了这个缺点,利用BFGS公式计算Hesse矩阵的近似矩阵,只需要计算1阶导数信息。该文在SL0算法的基础上,结合BFGS拟牛顿法,提出一种改进的压缩感知信号重构算法。首先采用最速下降法迭代得到信号的某个估计值,然后将此估计值作为拟牛顿法的初值继续迭代,直至得到最优解。计算机仿真结果表明,在相同的条件下,该算法在重构精度、峰值信噪比和重建匹配度等方面均有较大提高。

L0范数平滑逼近的稳健求解算法

该文研究基于代理函数和先验概率密度的L0范数平滑逼近问题的稳健求解。首先,分析了平滑逼近函数的凹凸特性,给出提高恢复性能的参数调整策略与改进的SL0和FOCUSS算法。其次,将噪声背景下L0范数逼近过程进行正则化表示,并基于牛顿方向推导其迭代重加权形式的求解框架,给出一种新的代理函数。最后,使用数值仿真证实了所提算法可以提高此类问题的求解的稳健性,具有实用价值。

基于改进光滑l_0范数的块稀疏信号重构算法

光滑l0范数算法用带参数的高斯光滑函数序列逼近l0范数,可以用于压缩感知信号重构。块稀疏信号是一种典型的稀疏信号,它的非零元素成块出现。为此,基于改进的光滑l0范数提出一种块稀疏信号重构算法。利用反正切函数取代高斯函数序列,通过对下降因子的优化处理进一步提高收敛效果。仿真实验结果表明,相比块光滑l0范数算法、光滑l0范数算法以及正交匹配追踪算法,该算法具有更好的鲁棒性和更高的信噪比。