基于非凸加权L_p范数稀疏误差约束的图像去噪算法

图像去噪过程中由于噪声的影响,无法学习到准确的先验知识,因此难以获取较优的稀疏系数。针对该问题,本文提出一种基于非凸加权 lp范数稀疏误差约束的图像去噪算法。该算法将系数求解过程分解为两个子问题,采用广义软阈值算法求解 lp范数中的稀疏系数,再利用代理算法求解稀疏误差约束中的稀疏系数,根据二者的均值来获取更具鲁棒性的稀疏系数。与当前几种典型的算法进行对比分析,实验结果表明:本文算法不仅具有更高的峰值信噪比(PSNR),而且在运行时间上具有更高的效率,同时在视觉角度上产生了更好的视觉感受。

基于非凸加权范数约束的SAR图像降斑

结合相似图像块具有低秩的特性提出了一种非凸加权范数约束(non-convex weighted norm constrain,NWNC)的合成孔径雷达(synthetic aperture radar,SAR)图像降斑方法。首先对每个目标块寻找相似图像块构建相似图像块集合;然后对相似图像块集合的系数矩阵进行NWNC;再利用广义阈值收缩法估计系数矩阵;最后对系数矩阵进行反变换重构出降斑图像。实验结果表明,该方法不仅有效地解决了传统低秩核范数约束不足的问题,而且通过NWNC和广义阈值收缩估计系数使得系数估计更加精确,表现在抑制斑点噪声的同时可以很好地保护图像的纹理细节。

加权凸集投影法在分布式目标定位中的应用

针对基于能量的分布式目标定位算法——加权凸集投影法(POCS)精度不高、稳定性差的不足,提出一种加权POCS算法。在已有圆的方差基础上,推导出直线的方差,并建立POCS迭代步长与圆和直线方差的关系式,实现加权的迭代。通过控制到不同圆和直线的步长,减少噪声对定位的影响。实验证明,提出的加权POCS算法比普通POCS算法具有更高的精度和稳定性。

加权非凸非光滑低秩矩阵填充

本文利用矩阵奇异值上的l0范数的非凸替代族来逼近秩函数,提出一种新的加权非凸非光滑最小化问题,并使用迭代加权核范数(IRNN)算法来求解该问题。实验结果表明,该方法能够很好地处理非凸非光滑问题,实现图像去噪。

基于加权POCS的图像超分辨率重建

对凸集投影(POCS)图像超分辨率重建算法中的残差修复阈值选取问题进行分析,提出一种基于图像超分辨率重建的改进算法。改变传统POCS算法中固定残差修复阈值模式,通过引入低分辨率图像清晰度这一先验信息,用表征图像相对清晰度的参数控制阈值,从而实现整个重建过程阈值动态选取。实验结果证明,该算法能提高残差计算和阈值选取的针对性,对提升重建图像的清晰度及信噪比具有较好的效果。

并行投影融合隐式凸可行性模型的WSN定位仿真

为了解决当前无线传感器网络(Wireless Sensor Network,WSN)未知节点定位精度低,对初始节点要求高等难题,提出了并行加权投影融合隐式凸可行性的WSN协同定位机制。基于数学模型,分析了WSN定位问题,并将其转换成隐式凸可行性问题;再引入权重理论和并行投影思想,将其嵌入到隐式凸可行性问题中,设计了基于加权凸集投影的WSN协同分布式定位算法;构造了隐式凸可行性问题的数学模型,对属性进行了分析与证明。最后对改进机制进行了测试,结果表明:与当前WSN定位算法相比,改进机制具有更高的定位精度,经验积累分布函数值最大,收敛速度最快,呈单调收敛。

基于区间滑模观测器的逆变器开路故障诊断方法

为了提高逆变器系统故障诊断的鲁棒性和准确性,该文提出一种基于区间滑模观测器的逆变器开路故障诊断方法。首先利用开关管在正常工作和故障状态下的电流流向路径建立逆变器的混合逻辑动态模型,并设计一种电流区间滑模观测器,其通过上界滑模观测器的电流估计值和下界滑模观测器的电流估计值的凸加权和来估计逆变器在正常工作状态下的三相电流值。通过比较实际系统和观测器的输出得到电流残差进行故障检测,根据残差中包含的故障信息建立残差信息表进行故障定位。设计的电流区间滑模观测器不仅可提高区间观测器的收敛速度,并且可有效减小抖振,提高故障诊断系统的鲁棒性。最后,通过仿真和一台200W的电机实验平台验证该方法的有效性和可行性。

非凸加权核范数及其在运动目标检测中的应用

目的近年来,低秩矩阵分解被越来越多的应用到运动目标检测中。但该类方法一般将矩阵秩函数松弛为矩阵核函数优化,导致背景恢复精度不高;并且没有考虑到前景目标的先验知识,即区域连续性。为此提出一种结合非凸加权核范数和前景目标区域连续性的目标检测算法。方法本文提出的运动目标检测模型以鲁棒主成分分析(RPCA)作为基础,在该基础上采用矩阵非凸核范数取代传统的核范数逼近矩阵低秩约束,并结合了前景目标区域连续性的先验知识。该方法恢复出的低秩矩阵即为背景图像矩阵,而稀疏大噪声矩阵则是前景目标位置矩阵。结果无论是在仿真数据集还是在真实数据集上,本文方法都能够取得比其他低秩类方法更好的效果。在不同数据集上,该方法相对于RPCA方法,前景目标检测性能提升25%左右,背景恢复误差降低0.5左右;而相对于DECOLOR方法,前景目标检测性能提升约2%左右,背景恢复误差降低0.2左右。结论矩阵秩函数的非凸松弛能够比凸松弛更准确的表征出低秩特征,从而在运动目标检测应用中更准确的恢复出背景。前景目标的区域连续性先验知识能够有效地过滤掉非目标大噪声产生的影响,使得较运动目标检测的精度得到大幅提高。因此,本文方法在动态纹理背景、光照渐变等较复杂场景中均能够较精确地检测出运动目标区域。但由于区域连续性的要求,本文方法对于小区域多目标的检测效果不甚理想。

时空RPCA在复杂场景下的运动目标检测

在复杂动态背景下,鲁棒主成分分析模型(RPCA)容易将背景中动态背景误判为前景运动目标,导致运动目标检测精度不高。为解决该问题,提出一种基于非凸加权核范数的时空低秩RPCA算法。使用非凸加权核范数替代传统的核范数进行低秩约束,在观测矩阵上通过拉普拉斯特征映射得到时空图拉普拉斯矩阵,将得到的时空图拉普拉斯矩阵嵌入低秩背景矩阵以保持背景对噪声和离群值的鲁棒性。实验结果表明,所提模型在复杂场景中能较准确检测出运动目标。

基于非凸加权核范数的目标视频帧选取

主要研究的是基于监控视频的显著前景目标帧选取问题．首先利用非凸加权核范数进行低秩背景估计．然后使用Markov随机场对稀疏前景目标位置矩阵进行估计，并提取出前景目标．最后定义显著前景目标区域，根据连通域面积大小，采用阈值法判断当前帧是否为显著目标帧，并采用F值来验证该模型的准确率．结果显示，模型在Campus、Curtain、Escalator、Fountain、Hall、Lobby和O伍ce这7个数据集上的F值均超过90％，说明该模型普遍具有较高的鲁棒性和准确性．

基于节点协作的煤矿井下无线精确定位算法

针对现有多边定位算法在定位基站布置稀疏的情况下定位精度低、鲁棒性差的问题,提出了基于节点协作的无线精确定位算法,给出了未知节点误差和最小的加权非凸定位模型,并提出相应的非迭代式定位算法。仿真和实验结果表明,在典型巷道定位布置、未知节点均匀随机的情景中,采用所提算法得到的未知节点平均定位误差随节点数增加而降低,且下降趋势随节点数增加变缓;该定位算法可实现总体上的定位鲁棒性和定位精度的提高,其代价为个别节点定位精度的降低及定位时间复杂度的上升。