基于空间稀疏先验的冲击载荷识别频域非凸稀疏正则化方法

复合材料因其强度高、刚度高、密度小等优点而广泛应用于航空、航天等领域。但由于其抗冲击性差,监测作用于复合材料结构上的冲击载荷对于结构快速检测损伤十分重要。经典的Tikhonov正则化方法在欠定情况下求解载荷识别问题时容易在载荷非加载区识别出虚假力;近年来兴起的L1范数稀疏正则化方法在识别冲击载荷时常低估载荷的幅值。为了突破这些方法的局限以实现更高精度的冲击载荷识别,该研究基于冲击载荷的空间稀疏先验,提出一种新的冲击载荷识别频域非凸稀疏正则化方法。所提出的方法结合了广义极小极大凹惩罚项的非凸优势以及非凸保凸的特性,利用向前向后分裂算法进行凸优化求解,既避免了非凸优化容易收敛到局部最优解的问题,又促进了解的稀疏。分别在复合材料梁和复合材料层合板上开展了冲击载荷试验验证,试验结果表明,无论在正定还是欠定的情况下,所提出方法能在精准定位冲击位置的同时重构冲击载荷的时间历程,且该方法在促进解稀疏和识别载荷幅值方面的表现都优于L1正则化方法,其中幅值识别精度能比L1正则化提升50%以上。

基于光易变性低秩正交先验的高光谱解混

高光谱解混是通过图像分解提取端元及丰度特征的过程,然而由光照、大气等因素引起的光谱类内易变性,或者由环境变化、设备等非线性因素导致的谱间易变性,会导致特征提取精度下降。为了全面考虑解混过程中光谱变化的问题,本文引入光谱易变性的低秩正交先验提出了一种增强型的光谱解混优化模型。首先,在线性解混模型基础上引入易变性数据拟合项来同时考虑光谱类内和类间变化,利用缩放因子来解决光谱类内易变性,同时增加光谱易变性扰动矩阵来解决谱间易变性。其次,该模型利用正交先验约束来实现原光谱字典与易变性项的空间低相干性,通过采用核范数对数松弛来强化丰度矩阵的低秩特性,抑制微小分量及噪声。最后,采用交替优化法及向量-矩阵算子降低求解算法复杂度。通过模拟数据集和真实数据集仿真测试结果表明,本文所提算法取得了优于对比算法的良好性能,验证了该优化模型的有效性。

基于双分支点流语义先验的路面病害分割模型

针对基于深度学习的真实路面病害图像识别算法主要面临的复杂道路背景与病害前景比例不同、病害尺度小等导致的类别严重不平衡、路面病害与道路的几何结构特征对比不明显导致其不易识别等问题,本文提出一种基于双分支语义先验网络,用于指导自注意力骨干特征网络挖掘背景与病害前景的复杂关系,运用高效自注意力机制和互协方差自注意力机制分别对二维空间和特征通道进行语义特征提取,并引入语义局部增强模块提高局部特征聚合能力。本文提出了一种新的稀疏主体点流模块,并与传统特征金字塔网络相结合,进一步缓解路面病害的类别不平衡问题;构建了一个真实场景的道路病害分割数据集,并在该数据集和公开数据集上与多个基线模型进行对比实验,实验结果验证了本模型的有效性。

基于NSST与稀疏先验的遥感图像去模糊方法

针对遥感图像的模糊问题,设计一种基于非下采样剪切波变换与稀疏先验的图像复原算法.首先,利用遥感图像在非下采样剪切波分解下的高频图像的稀疏特性设置先验条件构造图像复原模型;其次,采用交替方向乘子法求解模型;再次,采用软阈值方法对高频图像进行约束处理,在低频图像进行导向滤波处理,以最大可能保留图像的细节信息;最后,将高频图像与低频图像进行重构,对重构后的图像采用卷积神经网络进行深度去噪,最终复原出清晰的图像.将该去模糊算法与H-PNP,GSR,L2TV算法进行实验对比.实验结果表明,该算法能有效去除遥感图像中的模糊和噪声,保留图像的边缘细节,客观评价指标均高于其他3种对比实验算法.

基于注意力机制和深度先验的注视点检测网络

人类注视行为作为一种非语言线索,对揭示人类意图起着重要作用,注视点检测在机器视觉领域已引起广泛关注。然而,现有方法多聚焦于图像的纹理信息提取,忽视了立体深度信息对注视点估计的重要性,难以应对纹理复杂场景。对此,提出了一种新的基于注意力机制和深度先验的注视点检测网络,包括面部视线方向预测与场景显著性检测两个阶段。在视线方向预测阶段,建立通道-空间注意力机制模块以重校准纹理特征,并设计头部位置编码分支,实现纹理和头部位置感知增强的高表征特征,以准确预测视线方向。进一步,提出将表征三维场景中立体或距离信息的深度作为先验引入到显著性检测阶段的策略,同时通过通道-空间注意力机制增强多尺度纹理特征,充分发挥深度几何信息和图像纹理信息的优势,提高注视点检测的准确性。实验结果表明,在两个权威数据集GazeFollow和DLGaze上与其他先进方法相比,该模型表现出显著的优越性。

基于雾浓度分类与暗-亮通道先验的多分支去雾网络

在图像去雾领域中,目前多数去雾模型难以维持精度与效率的平衡,高精度的模型往往伴随着复杂的网络结构,而简单的网络结构又往往会导致低质量的结果.针对该问题提出一个基于雾浓度分类与暗-亮通道先验的多分支去雾模型,通过对带雾图像分类,使用复杂度不同的网络来处理不同雾浓度的图像,可在保证精度的同时提高计算效率.模型由轻量级雾图像分类器和基于暗-亮通道先验的多分支去雾网络2部分构成:前者将带雾图像分为轻雾、中雾、浓雾3类,输出雾浓度标签;后者包含3个结构相同、宽度不同的分支网络,根据雾浓度标签选择不同的分支网络处理不同雾浓度图像,恢复至无雾图像.提出一个新的雾浓度分类方法以及基于该方法的雾浓度分类损失函数,可根据带雾图像的暗通道特征和恢复难度,结合生成图像质量和模型计算效率,得到对带雾图像合理准确的分类结果,达到去雾效果和算力需求的良好平衡.提出新的暗通道与亮通道先验损失函数,用于约束分支去雾网络,可有效提高去雾精度.实验结果表明,模型能够以更低的网络参数量和复杂度得到更优的去雾结果.

基于暗通道先验的多尺度融合去雾算法

针对传统暗通道先验(DCP)算法用于图像去雾时存在对比度下降、色调偏暗和过度曝光的问题,论文提出一种基于暗通道先验的多尺度融合去雾算法。首先,该算法使用图像增强暗部细节后采用阈值分割法将类似白色背景区域进行分离;然后对大面积留白背景和其他区域分别做最亮通道取反去雾处理和导向暗通道去雾处理,将去雾处理后的两部分图像进行初始融合,有效地改善了暗通道先验在大尺度高亮区域的不适用性;最后,使用拉普拉斯金字塔的多曝光融合方法,将上述去雾处理后的两幅图像、初始融合图像以及对有雾图像做导向暗通道处理后的图像进行多尺度像素级融合,获得最终去雾效果图。仿真结果表明,该算法能够有效消除传统DCP算法在处理大范围、高亮度天空区域时产生的失真现象,改善目标边缘细节,恢复图像场景的真实色彩。

基于深度图像先验的椒盐噪声图像去噪

为了有效地去除图像中的椒盐噪声,本文利用低秩和深度图像先验,提出了一种基于加权核范数的优化模型。为了有效地求解优化模型,本文利用双线性分解,采用交替方向法将原问题分解成几个优化的子问题,对每个子问题给出相应的优化算法。数值实验表明,相比其它先进的方法,假设的新模型取得更好的去噪效果。

基于暗亮通道先验的小波融合图像去雾算法

为解决雾天条件下拍摄图像出现模糊降质的问题以及改善基于传统暗通道先验去雾算法的局限性,提出了一种利用小波变换,并结合暗通道和亮通道先验理论的去雾算法。通过暗通道和亮通道先验理论分别求取对应的大气光值和透射率,利用小波变换将不同滤波尺寸窗口得到的暗通道透射率进行融合,通过线性拟合函数以及导向滤波函数求取最终的大气光值和透射率,并利用大气散射模型还原出清晰的无雾图像。最后,利用主客观分析法,将所提算法与以往比较具有代表性的去雾算法进行仿真比较分析,实验结果表明:所提算法在保证实时性的前提下,能够有效去除原始图像中的雾霾,并解决传统去雾算法中由过度增强所带来的颜色失真等问题,在主观视觉效果上有着不错的表现,同时也有着优秀的客观评价指标,验证了所提算法的可行性、有效性和优越性。

基于Jeffreys先验的参数相关退化可靠性评估

通过Jeffreys无信息先验分布描述了Gamma退化过程中参数的相关性,由贝叶斯模型得到各参数满条件分布,使用马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法得到参数后验期望估计,最后给出可靠度评价模型。工程实例表明,所得可靠性评估较独立情形更为保守,能够更早地给出产品修理建议。同时,仿真表明,可靠度要求越高,相关与独立情形寿命估计结果偏差越大,0.9999可靠度下偏差率最大可达9.26%。

基于对数先验的协方差矩阵的参数估计

为了更好地估计股票收益协方差矩阵,提出了一种基于Black-Litterman思想的协方差矩阵估计方法。不同于传统方法对协方差矩阵添加Wishart先验分布的方法,考虑将先验信息概念应用在协方差矩阵的对数上,通过贝叶斯方法,得到协方差矩阵的参数估计。

基于水下场景先验的水下图像增强方法研究

针对水体光线吸收与散射作用引起的图像模糊、低对比度和颜色失真等问题,提出一种基于水下场景先验的水下图像增强方法。首先利用水下场景的先验知识,结合水下成像物理模型和水下场景的光学特性,利用10种预定义衰减系数合成涵盖不同类型和退化水平的水下图像数据集;然后利用初始残差和密集级联,设计一类轻量级卷积神经网络(convolutional neural networks,CNN)模型增强水下图像,结合基于轻量级的网络结构和有效的训练数据,可减少增强模型的计算量并有效改善水下退化图像的视觉质量;最后采用归一化的后处理过程进一步提升图像增强的效果。仿真实验结果表明,所提方法可行有效,可应用到不同的真实水下场景,具有较强的鲁棒性与有效性。

基于天空分割和暗通道先验的图像去雾算法

针对传统暗通道先验算法对天空区域去雾时出现的颜色失真等问题,提出一种基于天空分割和加权计算大气光值的去雾算法。首先基于有雾图像中天空区域梯度小、对比度低和亮度高的特征实现天空区域的分割。其次基于天空分割的结果加权计算大气光值,有效避免了图像中小面积高亮区域对大气光值预估的影响,防止恢复的图像偏暗。最后通过对不同区域透射率的结合,实现图像的复原。实验结果表明:该算法能够对包含天空区域的有雾图像有效复原,解决了天空区域颜色失真的问题,且去雾后的图像细节清晰、颜色自然。

顾及图像分割与暗通道先验的去雾霾方法

文章针对暗通道先验去雾霾后图像存在颜色失真等问题,提出一种融合图像分割与暗通道先验规律的卫星遥感图像去雾霾方法。首先,引入高斯加权矩阵的梯度算子获取图像的梯度信息,为暗通道去雾霾提供图像分割的约束条件;其次,通过梯度阈值对梯度信息进行划分,从而改善对不同亮度区域的差异化处理;最后,依据梯度阈值修正暗通道透射率来约束暗通道先验的处理结果,实现对不同亮度区域的差异化处理。实验结果表明,无论是主观目视判读还是客观指标对于较为均匀含雾霾影像都具有较好的处理效果。

基于非局部先验的深度压缩感知图像重构网络

传统的基于迭代的压缩感知(CS)图像重构算法易于集成图像先验信息,但存在性能不足、计算复杂度高等缺点。基于深度学习的图像重构算法重构性能通常优于传统的重构算法,并且具有更低的重构计算成本。因此,为了设计出一种更有效利用先验信息的深度学习图像重构算法,该文提出基于非局部先验的深度压缩感知图像重构网络。首先,将稀疏性和非局部先验相结合建立压缩感知图像重构模型,然后通过半二次方分裂法将模型分解为3个子问题,每一个子问题的求解都在深度学习的框架下展开,最后联合建立端到端的可训练的图像重构模型。仿真实验表明,在测试的采样率与数据集下该文所提算法的峰值信噪比与当前主流的重构算法SCSNet相比平均提升了0.18 dB,与CSNet算法相比平均提升了约1.59 dB,与ISTA-Net+算法相比平均提升了约2.09 dB。

基于低维流形先验的低剂量CT重建方法

针对低剂量CT成像问题,提出了一个基于低维流形先验的低剂量CT重建方法。对投影数据进行统计建模,将低维流形正则化作为先验信息引入到投影数据恢复过程中,从而达到抑制噪声的目的,再使用传统的滤波反投影(filtered back-projection,FBP)算法进行CT图像重建。在Shepp-Logan体膜实验新方法重建结果与FBP、PWLS-QM(penalized weighted least-squares via quadratic membrane)以及PWLS-DL(penalized weighted least-squares via dictionary learning)方法重建结果相比,相对均方根误差分别降低了64.87%、54.81%和7.02%;结构相似性指标分别提高了16.78%、1.88%和1.91%。在XCAT体膜实验中,新方法重建结果与FBP、PWLS-QM以及PWLS-DL方法重建结果相比,相对均方根误差分别降低了37.46%、22.17%和11.48%;结构相似性指标分别提高了3.33%、0.73%和1.22%。在临床数据实验中,新方法重建结果与FBP、PWLS-QM以及PWLS-DL方法重建结果相比,相对均方根误差分别降低了45.96%、25.61%和15.87%;结构相似性指标分别提高了19.12%、7.46%和8.63%。仿真和临床数据实验结果表明,新方法在有效抑制低剂量CT图像中噪声和伪影同时,可以很好地保持图像的结构信息和空间分辨率。

联合正则化与低秩先验的自适应迭代盲图像复原

为改善运动模糊图像盲复原的效果,解决伪影显著、鲁棒性差、各尺度由于迭代次数固定而产生不利核估计的问题,提出一种联合正则化与低秩先验的自适应迭代盲图像复原算法。首先,利用l0正则化先验的稀疏性估计中间复原图像和有效去除伪影,同时引入低秩先验抑制潜像恢复过程中的噪声干扰,提高模糊核估计的准确性;然后,针对多尺度迭代次数问题采用自适应策略,通过评估模糊核的相似性调整各尺度下的迭代次数;最后,用基于半二次分裂的交替优化策略求解本算法模型,利用非盲去模糊方法得到最终清晰图像。结果表明,本文算法能有效抑制噪声和伪影,鲁棒性好,并具有良好的复原效果。

一种具有结构先验的贝叶斯网络结构学习算法

贝叶斯网络(Bayesian Network,BN)的计算复杂度随着节点数量的增加而增加,其最优结构仍是一个NP(Non-deterministic Polynomial Time)-hard问题。为优化贝叶斯网络结构,提高复杂BN结构的计算能力,通过约束和分数的混合学习方式进行BN结构优化。基于约束的学习采用PC(Peter-Clark)算法生成初始网络结构,以提高网络的初始评分。基于分数的学习采用麻雀搜索算法寻找BN的最优结构,以增强其在BN中的评分搜索能力。将麻雀搜索算法同PC算法应用于BN优化其结构,并采用标准BN进行实验,证明了所提算法在BN结构学习中的可行性与有效性。不同复杂度的网络实验表明,相比其他算法,文中所提方法获得了更好的贝叶斯信息准则评分,且在ASIA网络上的2000个样本的测试中,与标准分数误差仅为0.2。

低秩先验的相位差法太阳图像重建

相位差法是常用的图像事后重建方法之一。为提高相位差法对太阳图像重建的鲁棒性,本文提出了基于低秩先验的改进的相位差法,即引入了图像核范数正则化到相位差模型中,并分别利用半二次分裂方法和BFGS求解图像子模型和相位子模型。在仿真退化的焦面和离焦面太阳图像上进行重建实验与分析,与基于Tikhonov正则化的经典相位差法相比,在无噪声和有噪声情况下基于低秩先验的相位差法在主观视觉效果和客观指标上均能够提高波前相位估计的精度,提高重建图像的质量。

一种改进暗通道先验的航空影像快速去雾方法

针对当前采用暗通道先验方法进行航空影像去雾时效率低下的问题,提出一种改进暗通道先验的快速去雾方法,从大气透射率t值获取、大气环境光A值获取两个方面进行改进。首先,采用均值滤波获取大气透射率t,在改进噪声问题的同时降低t值获取时间;接着,使用分块法代替原来的最小值滤波获取大气环境光A,进一步提升算法效率;最后,选取3幅航空影像,利用改进后的算法进行去雾实验,并对结果进行亮度调整。结果表明,改进后算法获取的去雾影像目视效果较好,与原始算法相比,该算法的去雾效率提升了34~74倍,在保证去雾影像质量的同时实现了航空影像快速去雾,对航空影像快速预处理、应急测绘等具有一定意义。