基于迭代加权L2/L1范数块稀疏信号重构的ISAR成像算法

为实现快速、高分辨率逆合成孔径雷达(ISAR)成像,利用目标的内在块稀疏结构信息,提出一种迭代加权L2/L1范数块稀疏重构ISAR成像算法。构建ISAR稀疏成像模型,将ISAR成像问题转化为稀疏信号重构问题后,在每次迭代中求解用于下次迭代的权值向量解,从而实现高分辨率ISAR成像。实验结果表明,相比BP、OMP、SBL算法,该算法可以改善成像质量,提高重构效率。

基于加权Schatten-1/2范数的低秩矩阵近似算法

本文提出加权的Schatten-1/2拟范数求解低秩矩阵近似问题,该模型以加权的Schatten-1/2拟范数为目标函数,观测矩阵为约束。通过基于阈值的加权不动点迭代算法求解。该方法通过分配不同权值体现奇异值的重要性可更好地近似原来的低秩假设。另一方面,针对奇异值计算量大的问题引入约化奇异值分解。数值实验结果表明,该方法具有较快的收敛速度。

基于迭代重加权的高阶张量图匹配算法

图匹配是计算机视觉中基础且重要的一个问题。稀疏约束作为一种有效的优化方法,被广泛应用于机器学习和图像处理中。传统的图匹配方法并不能获得足够有效且稀疏的近似解,为解决这个问题且进一步探究稀疏优化在图匹配中的应用,故引入一种L_(1/2)范数以改进高阶张量图匹配模型,并提出了基于迭代重加权的方法以近似求解该非凸非光滑模型。通过标准实验数据集上的对比实验表明,基于迭代重加权的高阶图匹配算法可以得到更加有效且稀疏性强的解,提高了匹配准确率。同时在抵抗匹配噪声的表现上优于传统算法,具有更强的鲁棒性。

多尺度低秩图像盲去模糊方法

针对现有的大多数基于统计先验的单幅图像盲去模糊方法对图像纹理细节恢复效果不佳且存在振铃效应的问题,提出了一种基于逐块局部最大梯度先验和低秩先验的多尺度图像盲去模糊方法。为了恢复得到清晰图像,采用由粗到精的多尺度框架,通过灰度化与下采样操作逐层构建图像金字塔;在单尺度层面,将逐块局部最大梯度先验和低秩先验带入到最大后验概率框架中,利用交替方向乘子法与半二次分裂法估计出潜在图像和模糊核;结合超拉普拉斯先验与总变差L 2方法,对模糊图像与估得的模糊核进行非盲反卷积,获得清晰图像。在计算过程中,由于直接求解低秩项的计算代价很大,将加权Schatte-1/2范数约束的低秩项子问题转化为非凸权重L 1/2范数子问题,采用广义软阈值方法求得全局最优解。在基准数据集上的实验结果表明:与现有的经典图像去模糊方法相比,所提方法取得了更优的图像去模糊效果;在K hler的合成数据集上进行图像去模糊后,平均峰值信噪比为30.06 dB,平均结构相似性为0.9465,估计出的模糊核更加精确。