遥感影像低秩信息的矩阵填充复原方法

提出一种基于矩阵填充的遥感低秩信息复原方法,通过"确定性采样"与"热启动技术",利用奇异值阈值迭代收缩算子进行了椒盐噪声去除与去厚云修复试验。试验表明,本文方法对于因污染或遮挡等原因造成的信息缺损问题的复原效果占优,其在信息复原的同时能较好地保留细节纹理信息并保持图像结构的连贯性。此法可用于遥感影像椒盐类孤立的点状噪声去除与厚云修复复原中,尤其是当影像矩阵具备区域结构内容相似性及纹理规则等低秩特征时,这种复原效果更佳。

基于低秩信息的纽扣无缺陷图像重建与缺陷检出算法

纽扣表面缺陷形态、大小、位置多变,导致缺陷检测成为一个具有挑战性的问题。基于缺陷图像信息空间结构相关性,提出了一种基于低秩信息的纽扣图像重建方法。该方法采用低秩约束缺陷图像矩阵,通过回归的方式重构纽扣表面无缺陷图像,并利用差影法分离带有缺陷信息的残差图像,通过局部加权自适应阈值使缺陷有效显现。所提方法将最小化残差矩阵的秩转化为最小化核范数,并通过交替方向乘子法求解回归系数,利用正样本实现图像重建。针对构建的纽扣样本测试集对算法性能进行测试,证明所提方法对于不同类别的纽扣和不同大小、形状的缺陷都是有效的,算法准确率达99%,并且该方法对于光照变化也具有一定的适应性。

基于级联卷积神经网络的视频行为识别技术

为从海量视频中提取出有用的信息,研究基于级联卷积神经网络的视频行为识别技术。文章利用健壮主成分分析方法提取视频中的低秩行为信息,并将其作为级联卷积神经网络的输入,通过两阶段卷积神经网络模型识别视频行为特征,从而识别视频行为。经实验验证,该方法具有较快的行为识别速度,且识别效果精准。

鲁棒张量主成分分析的非凸框架

非凸鲁棒张量主成分分析问题包括从被噪声破坏的张量中恢复低秩和稀疏部分,这在广泛的实际应用中引起了极大的关注。然而,现有的非凸方法面临许多问题,其中最重要的两个问题是对特定非凸函数的限制和低秩部分的信息损失。在本文,我们提出了一种广义非凸鲁棒张量主成分分析模型(N-RTPCA),其中包括一些最常用的非凸函数。并且提出了一个非凸ADMM算法来求解广义非凸鲁棒张量主成分分析模型(N-RTPCA)。最后,实验部分通过模拟实验和真实图片的实验验证了所提方法的优越性。