基于QR迭代的量子奇异值分解

针对大型矩阵奇异值分解(singular value decomposition,SVD)时使用经典算法时间复杂度较高,以及已有的量子SVD算法要求待分解的矩阵必须具有非稀疏低秩的性质,并且在计算过程中构造任意大小酉矩阵对目前的量子计算机来说实现起来并不容易等问题,提出基于QR迭代的量子SVD。QR迭代使用的是Householder变换,通过量子矩阵乘法运算完成经典矩阵乘法运算过程。实验结果表明,该方法能够得到所求矩阵的奇异值及奇异矩阵,使大型矩阵的SVD具有可行性。

基于奇异值分解的地震数据去噪分析与研究

奇异值分解(SVD)是去除地震数据噪音、提高信噪比的一种有效方法。本文对基于奇异值分解的地震数据去噪进行了分析与研究,主要阐述了SVD和SVD去噪的基本原理,然后进行了模型验证和实际应用,去噪结果可知SVD技术不但可以有效去除地震数据中的随机噪音,而且具有良好的保真性,从而为后续的油气勘探开发工作打下了坚实的基础。地下构造特征是解决水文地质、天然地震带检测、探测油气以及其他各种矿藏资源等工程问题的关键资料,而获取地下构造特征的主要技术之一就是地震勘探。而在实际地震勘探过程中,地震数据一般会受到很多噪音干扰,这些噪音的能量大小不一,在很大程度上降低了地震数据的品质,给后续的处理、解释、储层预测等工作带来了很大的影响.

基于局部自相似性和奇异值分解的超采样图像细节增强

基于局部自相似性的图像超分辨率算法中存在面块或线条现象,导致图像纹理不自然,细节信息丢失严重,针对这个问题,文中提出了一种基于局部自相似性和奇异值阈值化的细节增强图像超分辨率算法.在通过轮廓模板插值得到初始超分辨率图像的基础上,利用奇异值分解及阈值化去噪提高局部自相似性提取高频信息的准确性,解决伪高频噪声成分造成的面块或线条痕迹.该细节增强超分辨率算法主要分为4个部分,即初始插值、块匹配搜索、奇异值阈值、细节合成.首先选取Pascal的轮廓模板插值算法得到初始超分辨率图像,该算法在保持插值图像整体轮廓和细节等方面都有着很好的效果优势.块匹配搜索部分,文中算法由初始超分辨率图像和原始低分辨率图像分别提供参考块和学习块,在单一尺度上进行匹配,更多地利用了原始图像的信息,复杂度也更低,即利用原始低分辨率图像的局部自相似性提供先验知识,进行块匹配学习,找到初始超分辨率图像块在原始低分辨率图像块中的最佳匹配块,提取出最佳匹配块的高频信息;然后利用奇异值分解将高频信息矩阵分解到两个正交子空间中,并选取合适的阈值对奇异值矩阵进行软阈值化处理,剔除高频成分中能量较小的伪高频噪声成分,得到更为准确的高频细节信息.最后为得到最终超分辨率图像,有效地实现超分辨率图像的细节增强,利用有效奇异值对应的奇异值矢量重构高频图像块矩阵,并在初始超分辨率图像上进行细节合成.合成过程中,选择中心对称的高斯函数对图像块进行加窗处理,以抑制分块重叠带来的重叠区影响.实验结果数据表明,文中算法不但能明显解决由于伪高频成分导致的面块或线条现象,重建出的图像纹理细节更真实丰富,纹理结构和边缘特征的清晰度和对比度较高,得到的高分辨率图像视觉效果也更好.而且文中算法具有较强的拓展性,可以对多种超采样算法进行细节增强,增强后的图像清晰度和边缘锐度明显得到提高,细节纹理信息更加丰富,客观指标也得到较大幅度的提高.

频域奇异值分解(SVD)地震波场去噪

无规则干扰噪声的频谱分带较宽,不存在相干性;但在同一地区地震信号的主频带区间大致相同,尤其是叠后数据,也就是说各地震道有效频带的频谱存在较好的相干性。本文基于这个特点,通过傅里叶变换,在频率域进行SVD变换,并设计滤波因子,提取目标信号的奇异值进行重构频域信号,然后再进行反傅里叶变换,实现地震波场分离与去噪。与传统的带通滤波相比,该方法能彻底压制主频带干扰噪声,保护高、低频有效信号。实际地震数据处理表明,在不破坏原始地质信息的前提下,能较好地提高地震信号的信噪比。

小波包分析与奇异值分解(SVD)叠前去噪方法

小波分析多用于去除面波,奇异值分解多用于去除相干干扰,而对于强相干干扰和面波共存的地震记录,仅使用单一去噪方法难以奏效。为此本文将小波包分析与奇异值分解结合起来,就可以解决单一去噪方法难以解决的去噪问题。此法首先利用小波包变换进行分频处理,然后在分频的记录中,用自动追踪同相轴的方法找出相干干扰和面波同相轴的方向,再利用奇异值分解(SVD)方法恢复相干干扰和面波的波场,最后将其从原始地震记录中减去,即可获得去噪后的地震记录。通过对实际资料的试算,表明该计算方法的效果是明显的。

NMF和增强奇异值分解的自适应零水印算法

针对奇异值分解水印算法导致虚警率高、稳健性不强的问题,提出一种基于分块非负矩阵分解(NMF)和增强奇异值分解(BN-SVD)相结合的自适应零水印算法。首先将原始灰度图像进行二级离散小波变换(DWT),对变换后的二级低频子带(LL2)进行不重叠分块,并对每一个子块进行秩为r的NMF分解;然后对NMF分解得到的特征矩阵采用增强奇异值分解,依据每一个块矩阵的最大奇异值与整体最大奇异值均值的大小关系构成特征向量;利用生成的特征向量与经过Arnold变换与混沌映射双重置乱加密水印图像作异或运算生成零水印,并利用天牛须优化算法(BAS)自适应确定增强奇异值分解中最抗攻击缩放比例的参数β。实验结果表明,在虚警问题上NC值达到0.4以下,JPEG压缩、噪声、滤波、旋转、剪切以及混合攻击下,提取水印图像与原水印图像的归一化系数NC值均可达到99%以上,该方案高效地解决了虚警问题,具有较强的稳健性,能够有效地抵抗各种攻击。

一种改进的奇异值分解语音增强方法

该文将多麦克语音增强方法用于单麦克语音增强,给出了一种改进的奇异值分解语音增强方法。该方法首先对输入矩阵进行雅克比奇异值分解,用得到的奇异值矢量构造语音增强滤波器;然后用输入矩阵与滤波器权矢量相乘来构造各路信号;最后采用麦克风阵列波束形成的方法,得到增强后的语音信号。仿真结果表明,该方法能有效地去除加性噪声,并且改善了语音质量。

奇异值分解(SVD)实现地震波场分离与去噪新思路

依据不同性质的地震信号(反射波、折射波、直达波、面波、VSP上\下行波、多次波、随机干扰等)之间在运动学、视速度和相干性上的差异,借助某种数学变换、SVD分解与重构联合、时域与频域结合的方式,通过这些间接的处理手段,把要提取的目标信号或要剔除的干扰信号转换到一种相干性更好的空间域中,再进行SVD分解与重构,最充分利用SVD滤波技术特点,实现地震波场分离与去噪,而不是直接对信号进行SVD分解与重构来实现地震波场分离与去噪,这样做可有效地避免以往对SVD波场分离与去噪技术应用空间狭窄、有效信号损失严重等缺陷性.

基于奇异值分解与同态滤波的粮虫图像增强

储粮害虫的在线检测是研究的热门领域。由于图像处理技术逐渐成熟,基于图像处理的储粮害虫检测系统得到了广泛的关注。图像增强是特征提取前重要的预处理过程,因此在基于图像处理的检测系统中是最重要的步骤。介绍了同态滤波图像增强方法和矩阵奇异值分解的基本理论,在此基础上提出了基于奇异值分解和同态滤波的粮虫图像增强算法。为了验证方法的有效性在Matlab平台上做了仿真试验,使用本方法增强粮虫图像并和其他方法做了对比,结果表明该方法对于粮虫图像增强是有效且可行的。

基于DWT和奇异值分解的图像增强算法

提出一种基于离散小波变换(DWT)和奇异值分解技术的图像质量增强方法,能够同时增强分辨率和对比度。首先,该算法通过DWT将输入图像分解为4个子带,对低频子带图像的奇异值矩阵进行估计,然后通过逆DWT重构增强图像。将提出算法应用于灰度图像、彩色图像以及卫星图像,并与其他图像增强方法进行比较分析。实验结果表明,相较于其他传统技术,提出的方法性能更好。

基于多分辨奇异值分解包和随机森林的电能质量扰动分类研究

为解决电能质量扰动的分类问题,利用多分辨奇异值分解(Singular Value Decomposition, SVD)的信号逐层分解方式,提出基于多分辨SVD包与随机森林(Multi-Resolution SVD and Random Forest, MRSVD-RF)的电能质量扰动分类方法。通过实验证明了该算法对单一和复合电能质量信号的分类效果明显优于分解结构相似的基于的小波包的信号分解方式,比较了分类器模型的选择和特征提取数量对算法性能的影响。

基于奇异值分解和非下采样Contourlet变换的红外图像增强新算法

针对夜间红外图像噪声大、对比度较低的问题,本文提出一种基于奇异值分解和非下采样Contourlet变换的夜间红外图像增强新算法。通过分解高频系数奇异值,对得到的奇异值矩阵进行权重排序分析,保留大权值的高频系数进行降噪;再使用自适应权值的增益函数对降噪处理后的高频系数进行增强处理。对低频系数则使用自适应权值的改进Sigmoid函数进行处理,不仅可提升图像整体对比度信息还可减少传统Sigmoid函数存在的过增强问题。实验结果表明,该算法能有效抑制红外图像噪声,提高图像对比度信息。

基于广义解调和奇异值分解的时频表示增强

提出了一种基于广义解调和奇异值分解的时频表示增强算法。该算法利用估计的相位函数对信号进行广义解调,通过奇异值分解对得到的解调信号时频谱进行降噪处理,计算降噪后时频谱的逆变换并进行广义逆解调,重新计算时频谱获得信号增强的时频表示。仿真结果表明,该算法与已有算法相比,时频平面的随机噪声几乎被完全抑制,是一种有效的时频表示增强方法。

奇异值分解在语音增强中的应用研究

针对传统语音增强方法在语音增强效果上的局限性,提出一种基于子空间技术的奇异值分解语音增强算法.该方法将语音信号空间分解为正交的信号子空间和噪声子空间,对噪声子空间中的噪声进行抑制,以及对输入的语音信号矩阵进行奇异值分解.研究结果表明:与经典的谱减法、维纳滤波语音增强算法相比,语音增强效果得以显著提高,语音质量及其可懂度均得到加强.该算法的运算速度快、精度高,有较好的应用前景.

矩阵奇异值分解(SVD)的应用

奇异值是矩阵的一个良好特征。本文通过对矩阵奇异值分解的分析,在主成分分析、图像压缩、数字水 印和文章分类等方面的应用方法进行了描述,同时提供了部分应用例子。

基于奇异值分解的指纹图像增强

本文提出了一种基于奇异值分解的指纹图像增强处理方法,通过具体算法和软件实现给出了实验结果。基于Matlab7.0的仿真实验表明,将奇异值分解应用于指纹识别系统预处理中是有效且可行的。

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法。首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量。利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理。实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题。

基于增强的谱分析和奇异值分解的T波交替检测

针对传统谱分析方法在T波交替(TWA)检测中对噪声敏感的缺点,提出将增强的谱分析方法和奇异值分解方法结合起来的TWA检测方法.该方法利用奇异值分解得到去除了噪声干扰的心电信号,克服了传统谱分析方法只能检测平稳信号且需要增大心率的缺点,强调交替水平的重要性,即增强TWA功率谱上0.5cpb处的幅值,实现对TWA的有效分析.研究结果表明:该方法对T波交替数据库中30个人工合成并含有TWA的数据的检出准确率达93.33%,高于传统谱分析方法的TWA阳性检测率,能够提高交替比率.TWA检测率明显高于phys-ionet网站中2008年挑战(TWA检测和定量分析)得分第一的算法实验结果(66.67%),说明该方法具有更强的TWA识别能力.

基于SM2和奇异值分解(SVD)的指纹水印身份认证算法

身份认证技术是信息系统安全的第一道屏障。为了安全,准确,快速地进行身份认证,提出了一种基于SM2算法和奇异值分解的指纹水印的身份认证算法。该算法提取了指纹中的重要信息,并将其经过SM2数字签名算法加密后嵌入到载体图中。SM2在安全性和加密长度等方面具有很大的优势。奇异值分解可以保证载体图像的质量。通过实验证明,基于SM2和奇异值分解的指纹水印身份认证算法可以有效地对指纹的特征进行特征提取和身份认证,并且为指纹信息的安全性提供了很好的保证。

一种基于广义奇异值分解的语音增强算法

广义奇异值分解的单通道语音增强算法在加性噪声为白噪声的情况下,效果比较理想.加性噪声为有色噪声的情况下,通常用一种基于熵奇异值分解(QSVD)的方法来处理.对QSVD算法进行衍生,首先提出了一种基于广义奇异值分解的子空间语音增强算法(GSVD).为了处理低信噪比时残留的音乐噪声,结合人耳的听觉掩蔽效应,进一步提出了一种基于感官抑制的GSVD(PCGSVD).试验结果显示,PCGSVD算法能够明显地提高语音质量、可懂度和识别率,特别是在加性噪声是有色噪声的情况下实验结果明显优于其他的语音增强算法.