在结构健康监测(Structural Health Monitoring,SHM)技术中,基于Lamb波的损伤监测方法在板状结构中显示出了巨大的潜力。提出了一种基于近似非凸鲁棒主成分分析(Approximate Non-Convex Robust Principal Component Analysis,ANC-RPCA)...在结构健康监测(Structural Health Monitoring,SHM)技术中,基于Lamb波的损伤监测方法在板状结构中显示出了巨大的潜力。提出了一种基于近似非凸鲁棒主成分分析(Approximate Non-Convex Robust Principal Component Analysis,ANC-RPCA)的异常值分析方法。该算法对于高维测量信号,能够在降维条件下实现有效的损伤诊断。通过使用秩近似函数逼近矩阵的秩,采用非凸惩罚函数逼近?_(0)范数,非凸惩罚函数在一定条件下可以保证稀疏解的唯一性。随着数据矩阵规模的扩大,传统的RPCA采用核范数近似时,奇异值分解的计算复杂度也会上升。新的近似方法能在使计算效率更高的情况下,针对波场图像能够在更低秩的水平下保留有效信息,识别出异常值。将该算法运用到基于Lamb波的波场图像中,通过仿真和实验数据验证其有效性,使用非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier,IALM)法求解,并与目前使用较多的主流RPCA算法进行了效果对比。实验结果表明ANC-RPCA算法在异常值识别中具有良好的性能,相较于其他算法,在计算效率和低秩性等方面具有巨大的优势,证明了所提算法的可靠性和完整性。展开更多
文摘针对高光谱图像(hyperspectral images,HSI)去条带易引起影像结构细节丢失问题,提出一种基于加权块稀疏(weighted block sparsity,WBS)正则化联合最小最大非凸惩罚(minimax concave penalty,MCP)约束的HSI去条带方法。本算法采用加权ℓ_(2),1范数和MCP范数对条带稀疏结构和低秩约束,ℓ_(1)范数对干净图像结构保持正则化约束,构建加权块稀疏和MCP约束的条带去除模型,采用交替方向乘子(alternating direction method of multipliers,ADMM)算法迭代求解对应模型,重建获得干净的HSI图像。实验结果表明,提出方法在实际HSI的平均等效视数从28.45提高到83.47,边缘保持指数较其他算法至少增加0.056,特别是对于非周期条带噪声,采用自适应权值更新稀疏水平,增强了组稀疏性,在保持影像边缘和加强区域平滑性方面性能更佳,去噪声效果更好。