超像素低秩高光谱稀疏解混

近年来,稀疏解混在高光谱图像解混领域受到广泛关注。借助已知端元光谱库,稀疏解混规避了高光谱数据中纯像元缺失的问题和端元提取的过程,使解混简化为从端元光谱库中选择可以有效表达混合像元的最优光谱特征子集。这是一个组合优化问题,常采用稀疏线性回归算法解决,而利用图像的空间信息约束解空间可以有效提高求解精度,获得更好的解混性能。针对现有空间稀疏解混模型对数据空间结构描述不充分的问题,本文提出一种超像素低秩稀疏解混方法,该方法一方面采用超像素分割技术自适应生成同质区域,在传统稀疏解混模型中引入基于超像素的局部低秩正则项,保持图像内在的局部低维空间结构,促进图像的空间一致性,另一方面在稀疏正则项中引入光谱加权因子,诱导丰度矩阵的行稀疏性,促使图像中所有像元的丰度向量联合稀疏。模拟数据和真实数据实验结果表明,与同类算法相比,所提算法可以有效抑制噪声,在低信噪比情况下获得了更高的解混精度,能保留丰度图更精细的空间信息。

基于光谱加权低秩矩阵分解的高光谱影像去噪方法

高光谱遥感影像在获取和传输过程中会受到各种类型噪声的污染,不仅降低影像质量,也限制了其后续应用的精度。高光谱影像噪声类型复杂多样,且噪声在不同波段上的强度也并不相同。通过引入光谱域上的权重矩阵,文中提出了一种基于光谱加权低秩矩阵分解的高光谱遥感影像混合噪声去除方法,利用光谱权重矩阵均衡不同波段的噪声强度差异性。为进一步将噪声与纯净影像分离,利用加权核范数最小化来约束纯净高光谱影像的局部低秩结构,并利用交替方向乘子法对所提出的模型进行优化求解。通过对模拟与真实高光谱遥感数据的实验,验证了所提方法的有效性与优越性。

一类低频重零化子的推导及频谱分析

针对序列密码实现有效的离散傅里叶频谱攻击,前提条件是寻找到序列的低频重乘积关系或低频重零化子。利用周期序列的离散傅里叶变换,得到满足乘积关系序列的一个充要条件,并以此为基础,定义频谱循环差分,推导出一类低频重乘积关系和低频重零化子。同时研究了m序列的频谱性质,给出了m序列的频谱空间快速计算方法以及计算实例。

序列低频重乘积关系计算算法的研究

针对周期序列实现有效的离散傅里叶频谱攻击,前提条件是寻找到序列的一对低频重乘积关系。基于低频重乘积关系如何计算的问题,在时域上提出了通常的低频重乘积关系计算算法。为了减少计算算法的遍历复杂性,利用序列的频域特性和迹表示,在频域上提出了更加有效的低频重乘积关系计算算法。最后,针对频域上的低频重乘积关系计算算法,分别利用迹函数的乘积关系以及满足乘积关系序列在频域上的等价条件,给出了关于乘积序列迹表示的两种适用计算方法。

基于l_2范数的加权低秩子空间聚类

针对稀疏子空间聚类和最小二乘回归子空间聚类求得的表示系数存在类内过于稀疏和类间过于稠密的问题,利用l_2范数,提出一种基于欧氏距离的且具有组效应的加权低秩子空间聚类算法,该算法通过基于欧氏距离的加权方式,使得最终的表示系数在保证同一子空间数据点联系的同时,减小不同子空间数据点之间的联系.利用该表示系数建立相似矩阵J,将J应用到谱聚类得到聚类结果.实验结果表明,与当前流行的算法比较,该算法取得了较好的聚类效果.