基于奇异值分解的图像超分辨率重建

在图像获取过程中,由于环境的变化以及成像传感器自身硬件条件的限制,获得的图像往往含有噪声并且分辨率较低。为了提高图像分辨率来满足实际应用的需求,充分考虑了自然图像中图像块的自相似性,并采用奇异值分解方法对图像块的相似性进行度量,将其作为权重与非局部均值方法相结合,实现了单幅图像的超分辨率重建。为了减少计算量,在计算图像块的相似度之前,先对图像块的均值进行统计并引入一个阈值,对均值绝对差小于阈值的图像块进行相似度估计。为了对算法有效性进行验证,文中采用基于误差敏感性的峰值信噪比来对重建图像的质量进行度量。仿真结果表明算法在提高图像分辨率的同时有效的抑制了噪声,并且很好的保持了图像的细节信息。

基于多分辨率奇异值分解的表面滤波方法

针对目前表面滤波方法中存在边界效应、缺乏多尺度性和最优小波函数选择等问题,在一维多分辨率奇异值分解(MSVD)的基础上,构造出二维MSVD,并提出基于MSVD的表面滤波方法。该方法具有多尺度性,不存在边界效应,并且不需要选择小波函数。仿真实验和实测表面数据表明,该方法与目前表面滤波方法的滤波效果相一致,适用于表面工程的评定。

基于自适应多分辨率奇异值分解的大地电磁数据处理

针对强电磁干扰极易掩盖微弱的大地电磁有用信号,本文结合奇异值分解在去噪方面的优越性,提出基于自适应多分辨率奇异值分解(Adaptive Multi-Resolution Singular Value Decomposition,AMRSVD)的大地电磁数据处理方法.首先对大地电磁数据构建Hankel矩阵,利用MRSVD得到不同分辨率的近似信号和细节信号;然后选用近似信号和细节信号的标准差差值,对大地电磁数据进行信噪辨识;接着结合MRSVD和相邻细节信号的标准差差值,提出先验信息未知情况下的AMRSVD法;最后对辨识出的强干扰运用AMRSVD去除噪声,重构有用信号.实验结果表明,该方法的处理效率高,能有效分离出相关性较强的噪声,时间序列和视电阻率-相位曲线均得到有效改善.

一种奇异值分解与子空间加权联合的改进MUSIC算法

在低信噪比、小快拍数等非理想条件下,经典DOA估计算法对邻近目标的分辨率严重下降,甚至失去分辨能力。针对这一问题,提出了一种将重构的接收信号协方差矩阵进行奇异值分解并与改进的加权子空间方法相结合的改进算法。该算法充分利用互相关信息构建新的接收信号协方差矩阵,并对噪声子空间信息采用新的校正方法,对噪声特征值进行改造,之后对噪声子空间进行加权,最后与信号子空间加权技术相联合。仿真实验证明,改进算法在低信噪比和小快拍数条件下可以分辨间隔4°的相邻目标,统计分析表明该算法的分辨率明显优于经典MUSIC算法。

基于多分辨率奇异值分解的图像融合

提出一种新的基于多分辨率奇异值分解(MSVD)图像融合算法。算法对源图像进行MSVD处理,使其分解为互不相关的平滑和细节分量,并对平滑分量进行多层次的分解与处理。类似于小波变换,多分辨率奇异值分解的基本思想是在平滑分量的每一层上用奇异值分解(SVD)来取代滤波,最终利用融合规则对图像进行MSVD融合。利用5种评价算子来评价算法,得到的融合效果很好。与基于小波分解的算法相比,算法计算简单、实时性突出,对复杂、高像素图像处理更简单方便。

基于信号子空间分解的三维地震资料高分辨率处理方法

提出了一种新的基于信号子空间分解技术的3D地震资料高分辨率处理方法.利用信号子空间分解技术,不仅可以分离3D地震资料中的信号和噪声,而且可以进一步根据地震同相轴的倾角不同,将混合信号进行分解得到单个同相轴信号.通过丢弃噪声子空间,只对不同信号子空间重构的信号利用谱白化技术进行高分辨率处理,然后累加所有处理结果,从而达到既提高地震资料的分辨率,又提高地震资料信噪比的目的.对合成资料和实际地震资料的处理结果表明,此法具有好的应用前景.

一种用于多径环境的超分辨率TOA定位算法

分析了基于来波到达时间(TOA)的定位技术中存在的问题,把时域超分辨率最小范数(Min-Norm)谱估计算法引入到频域TOA估计领域,提出了互相关Min-Norm超分辨率TOA算法,利用互相关技术理论上可消除非相关噪声对算法的影响。仿真结果表明,该算法具有超分辨率特性及强抗噪性,可在小带宽、强噪声背景下获得稳定、准确的时延估计结果,适于在多径效应严重的环境中应用。

基于一种超分辨率算法的三维散射中心提取方法

针对转台-弧形导轨测量方法,在二维MEMP方法的基础上,提出一种适用于三维散射中心提取的超分辨率算法.该方法利用Hankel矩阵的结构特性,以及子空间不变技术等,实现对信号三维参数的正确估计,并且无需额外的配对步骤.对八个散射点组成的立方体模型的数值仿真表明,该算法可以正确估计信号参数对,并对噪声的鲁棒性较强.进一步将三维参数估计问题扩展到N维情况,给出了具有较普遍意义的N维参数估计公式.

基于最大似然的超分辨率图像复原方法

从超分辨率图像复原的实际应用出发,提出了一种基于最大似然的序列图像复原方法。在通用线性观测成像模型下,利用改进的奇异值分解法估计成像系统点扩散函数,通过高斯金字塔结构下的光流场方法估计图像间的亚像素级平动,利用基于统计特性的方法估计图像噪声方差等。根据以上参数及部分先验知识,运用最速下降迭代算法实现基于最大似然的超分辨率复原,并对迭代结果进行维纳滤波。计算机模拟实验结果表明,该方法具有较好的复原效果,其性能优于典型的反向迭代投影法。利用实际视频图像的复原实验证明了该方法的实用性。

基于字典学习和非局部相似的超分辨率重建

为提高单帧降质图像的分辨率,提出了一种基于字典学习和非局部相似性的超分辨率重建算法。该算法主要将高分辨率图像减去利用迭代反投影重建结果得到差值图像,再利用K-奇异值分解(K-SVD)算法和联合字典生成的思想形成的字典训练方法,训练差值图像块和低分辨率图像块得到对应的高、低分辨率字典用于超分辨重建。此外,引入非局部相似性的正则项约束以提高重建图像的质量。实验结果表明,所提算法重建得到的图像在主观视觉效果和客观评价上优于基于例子学习的超分辨率算法。

基于SVD的超分辨率重建图像质量无参考评价方法

重建图像质量评价是衡量超分辨率方法优劣的决定性指标,现有的评价方法大都需要借助同一场景具有更高分辨率的图像作为参考图像,但在实际超分辨率重建图像过程中这一需求难以实现.针对上述问题,考虑到人眼对相对亮度变化更为敏感,且边缘清晰度与图像主观评价质量成正比,利用去均值图像、梯度图像以及灰度图像,提出一种仅依靠图像自身信息的、基于SVD的超分辨率重建图像质量无参考客观评价方法.首先将图像分割为相互重叠的局部图像块,然后在各局部图像块中利用SVD分别得到低分辨率图像间及其与超分辨率重建图像间的子评价结果,最后再将这些子评价结果整合为最终的客观评价指标SSQI.实验结果表明,SSQI指标是一种具有较高准确性和鲁棒性的无参考客观评价指标,与人类主观评价结果保持了很好的一致性.

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。

基于系数复用和字典训练的图像超分辨率算法

在基于学习的图像超分辨率重建过程中,字典的选择和训练是其中的关键环节,但是传统的字典训练算法存在计算量大、训练速度慢等缺点,导致整个重建过程耗费时间长,重建图像在细节上表现较差,影响了其视觉效果与使用价值。针对上述字典训练中存在的问题,提出了一种改进的基于系数复用和字典训练的图像超分辨率算法。该算法对传统的K-SVD算法中的字典训练阶段进行了改进,利用信号的稀疏表示原理,同时结合正交匹配追踪中的系数复用算法,较好地解决了字典训练速度慢、重建图像质量低等问题。实验结果表明,与经典的双三次插值和改进前的K-SVD图像重建算法相比,该图像重建算法较好地复原了图像的高频细节信息,提高了重建图像质量,同时大幅度降低了字典训练时间。

基于奇异值分解滤波的Prony技术在异步电机偏心故障检测中的研究

针对异步电机偏心故障,提出一种新的利用奇异值分解滤波和Prony结合的检测技术。首先为了抑制背景噪声,对建立的Hankel矩阵进行奇异值分解(SVD),通过对较小奇异值置零滤除信号中的噪声。其次,为了提高检测精度,对滤除噪声后的信号进行Prony检测,准确估算出故障频率、幅值、谐波个数等参数。仿真和试验算例共同表明,SVD-Prony算法克服了传统Prony抗噪性差的缺点,具有快速傅里叶变换无可比拟的高分辨率和强抗噪能力,可在短时数据下达到检测偏心故障的目的。

一种新的病态问题奇异值修正方案及其在大地测量中的应用

根据观测方程设计矩阵奇异值的分布特点 ,将病态问题分为具有均匀下降型奇异值和阶梯型奇异值两种类型 .针对均匀下降型奇异值提出了一种新的奇异值修正方案 ,其核心是将奇异值分成两部分分别修正 .这种方案兼顾了解的分辨率与方差之间的折中 ,是一种更加合理的奇异值修正方案 .经过实例验证 ,当法矩阵的条件数小于 1 0 10 时 ,这种方案是非常有效的 ,与其他方法相比较 。

结合Fourier变换对称性和随机多分辨率奇异值分解的彩色图像加密

提出一种基于Fourier变换对称性和随机多分辨率奇异值分解(R-MRSVD)的彩色图像加密算法。首先计算归一化明文图像的平均值作为logistic-exponent-sine映射的初值,并生成随机矩阵和位置索引;然后对每个颜色通道分别进行二维离散Fourier变换,根据共轭对称性仅保留一半的频谱系数,并提取实部分量和虚部分量构建实数矩阵;最后对实数矩阵进行R-MRSVD和Josephus置乱操作,得到密文图像。将明文图像的像素特征作为混沌序列的初值,保证算法具有高敏感性和高安全性,同时实值的密文便于存储和传输。对算法的解密图像质量、统计特性、密钥敏感性、抗选择明文攻击、鲁棒性等性能进行测试,仿真结果表明,所提加密算法具有可行性和安全性。

采用交替K-奇异值分解字典训练的图像超分辨率算法

采用稀疏表示的图像超分辨率算法中,双字典训练算法与字典的细节恢复能力相关,针对已有双字典训练算法使字典缺乏高频细节信息的特点,提出了一种交替K-奇异值分解字典训练算法。该算法分为训练和测试部分。在训练部分每次字典更新都采用奇异值分解所得到的向量对低高频样本块进行最佳低秩逼近,使得低高频样本块随着迭代次数的增加逐渐取得相同或者相似的稀疏表示系数。在测试过程中,测试低频样本块可以利用低频字典取得的稀疏表示系数与高频字典相乘得到高频细节信息。实验表明,与目前已有算法相比,该算法能够得到高频细节较丰富的图像,平均峰值信噪提高0.3dB以上,结构相似度提高0.01左右。

基于MRSVD-SVD与VPMCD的交叉滚子轴承故障诊断研究

针对奇异值分解(SVD)提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时,出现奇异值分辨率不足的问题,提出了一种基于最大分辨率奇异值分解(MRSVD)-奇异值分解(SVD)与变量预测模型模式识别(VPMCD)的工业机器人交叉滚子轴承的故障诊断方法。首先,以最大奇异值分辨率原则将一维振动信号构造成了Hankel矩阵,采用奇异值分解方法对Hankel矩阵进行了分解,得到了其奇异值序列,根据奇异值曲率谱理论选择有效奇异值,并进行了重构,得到了经降噪后的高信噪比信号,以重构信号构建了相空间矩阵,进行了二次奇异值分解,得到了其故障特征分量;然后,计算了故障特征分量的特征参数,构建了其特征向量;最后,采用了VPMCD分析了特征向量,完成了对交叉滚子轴承故障类型的识别,并与其它方法进行了识别准确率对比。研究结果表明:采用该方法对工业机器人交叉滚子轴承进行故障诊断,得到的故障类型识别准确率为98.66%,比SVD与共振解调相结合方法提高了9%;该方法通过构建最大奇异值分辨率矩阵提高了奇异值分辨率,可完整提取出工业机器人交叉滚子轴承振动信号的微弱故障特征分量,获得了更高的故障类型识别准确率。

基于MRSVD-GRU的混合三端特高压直流输电线路单极接地故障定位方法

针对换相换流器(LCC)-模块化多电平换流器(MMC)混合三端特高压直流输电线路因结构复杂度提高而造成的故障定位困难问题,提出一种基于多分辨奇异值分解(MRSVD)-门控循环单元(GRU)神经网络的特高压直流输电线路单极接地故障定位方法。首先,对故障线路进行选线,判断故障发生线路区段。然后,通过MRSVD对双端故障电压波形进行逐层分解和波形重构。最终,搭建GRU神经网络模型进行故障定位,模型参数通过粒子群优化(PSO)算法进行设定,提升其故障定位准确性。利用PSCAD/EMTDC软件搭建±800kV LCC-MMC混合三端特高压直流输电系统,对不同过渡电阻值、不同故障距离进行仿真。仿真结果证明,所提出的故障定位方法准确度高,能够为混合三端特高压直流输电线路单极接地故障定位提供新的解决方案。

MRSVD敏感分量在单频周跳探测修复中的应用

准确探测微小周跳历元是周跳修复的关键,精准修复周跳是高质量北斗卫星导航系统(Bei Dou Navigation Satellite System,BDS)定位的难点,为此提出一种基于多分辨奇异值分解(Multi-Resolution Singular Value decomposition,MRSVD)的敏感分量预测模型,用于周跳探测与修复。该方法对探测信号构造Hankle矩阵,并对其进行MRSVD分析,得到一组具有不同分辨率的分量信号。然后对分量信号进行敏感因子评估分析,选取包含周跳特征的分量,构成敏感特征向量,凸显信号的周跳信息,进而通过模极大值谱精准检测出信号中奇异点的位置,实现对微小周跳的准确探测。以筛选出的MRSVD敏感特征向量为基础,构建最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)预测模型,进行周跳修复。实验结果表明,该方法能够对载波相位中出现的微小周跳进行准确探测与修复,证明了该方法的可行性和有效性。