X射线焊缝缺陷图像字典矩阵构建及求解算法

对埋弧焊X射线焊缝图像圆形、线形缺陷和噪声图像进行分析。以构建基于稀疏描述的模式识别字典矩阵为目标,通过分析各类X射线焊缝图像的相关性曲线,明确了稀疏描述技术中字典矩阵图像数量范围,提出一种适合于X射线焊缝图像识别的字典矩阵构建数学模型,并提出利用Hopfield神经网络求解该模型。给出了神经网络的能量函数及对应的求解方法。通过实例构建了X射线焊缝图像字典矩阵,并利用该字典矩阵进行了模式识别实验。实验表明,本文所提方法构建的字典矩阵具有较好的鲁棒性,圆形缺陷识别成功率可达97.5%,线形缺陷识别成功率可达97.0%。

基于字典矩阵更新与最优相似度搜索的图像重构算法

提出了基于字典矩阵更新与最优相似度搜索的图像重构算法.通过分析图像信号的稀疏表示,确定出目标信号与字典矩阵及系数向量的关系,并定义相似度搜索机制,以生成图像信息的字典矩阵;通过估算相似度的线性组合最大值,在字典矩阵选取最优原子,从而确定其最优系数向量;基于最优系数向量,计算纹理相似度,更新字典矩阵中的每一个原子,生成新的字典矩阵;最后,对新的字典矩阵中的元素进行稀疏线性组合,对重构像素块进行拟合,通过最大化相似度值,获得目标块的重构,完成图像复原.实验结果显示:在对大面积损坏图像重构时,此算法具有更好的重构质量,其输出图像的结构相似度更高,有效消除了模糊效应及纹理不连续效应,且拥有较高的重构效率.

基于稀疏矩阵字典的移动用户行为识别方法

通过手机内置加速度传感器数据对人类日常行为进行识别具有便捷、实时、无干扰的优点,为了提高识别的准确率和稳定性,提出一种基于加速度特征稀疏矩阵字典的分类方法识别行为。从不同行为的多个训练样本构造出一个过完备字典,基于该字典通过求解最小l1范数得到待识别样本的稀疏系数,根据稀疏系数计算待识别样本对应不同行为的残差并选取最小值对应的行为作为分类结果。实验表明该方法识别手机用户日常行为可以达到84.93%的准确率,高于传统的决策树和BP神经网络算法的分类准确率,且分类稳定性也优于传统分类方法。

基于优化字典矩阵设计的OMP改进信道估计算法

在高速移动场景下,由于多普勒频移的影响,OFDM系统会产生严重的载波间干扰,从而影响无线通信链路的质量。为弥补该缺陷以保障通信链路的质量需求,需要对高速移动通信信道进行准确的信道估计,然后通过均衡算法进行补偿。现有研究表明,基于压缩感知的信道估计算法能很好的利用移动通信信道固有的稀疏特征,比传统算法能更好的满足信道估计性能要求。本文在经典OMP算法基础之上,提出了基于优化字典矩阵设计的OMP改进信道估计算法。虽然OMP算法相对于BP算法有着更快的运算速度,算法复杂度更低,但是经过大量的仿真实验得出的统计信息可知,我们在高信噪比情况下对OMP算法的索引集合部分进行统计,发现选取的索引集合存在一定得规律性,并且根据信道稀疏性可知,只有少量的分量对信号造成了影响,因此我们可以将字典矩阵进行优化。仿真结果表明,基于优化字典矩阵设计的OMP改进信道估计算法,该改进算法在高速移动场景下具有良好的表现:在350km/h的场景下,与OMP算法相比,在运算速度上,相比原来提高了15%左右,并且相应的BER和NMSE与原来相比基本一致,误码率能够保持与经典OMP算法相媲美的性能。

矩阵的字典式积的特征根与特征向量

讨论了方阵A与B的字典式积的行列式、特征根和特征向量与方阵A、B的行列式、特征根和特向量之间的关系 ;证明了A与B的字典式积可逆的充要条件是A与B均可逆 。

在线低秩表示的目标跟踪算法

针对传统的基于生成模式的跟踪方法对噪声及遮挡问题比较敏感,导致跟踪结果失败的问题,提出了以前几帧的跟踪结果作为观测矩阵,采用鲁棒的主元成分分析模型求解观测模型的低秩特征.当新的视频流到来时,不是把所有的跟踪结果矩阵作为观测矩阵.并提出了新的增量鲁棒的主元成分分析模型,采用增广拉格朗日算法求解新矩阵的低秩特征,并以此低秩矩阵在贝叶斯框架下建立跟踪模型,用恢复的低秩特征更新字典矩阵.将文中方法与其他6种跟踪算法在8种跟踪视频上进行跟踪对比.实验结果表明,所提出的方法具有较低的像素中心位置误差和较高的重叠率.

基于坐标变换的风电变流器电压信号CS压缩方法

为了解决直接利用压缩感知(CS)理论对风电变流器输出端三相电压监测数据存储空间的资源浪费以及重构性能差等问题,提出了一种基于坐标变换的风电变流器电压信号CS压缩方法。该方法的关键是利用dq0变换、空间矢量变换将三相电压信号转换为一维信号;然后将传统的多频带融合思想用于CS稀疏表示中,构造稀疏字典矩阵,并分析了稀疏字典与测量矩阵的不相关性;最后利用高斯随机矩阵进行压缩测量,使用追踪算法实现一维信号的恢复,将其转化为两相信号并作坐标反变换,即得到重构的三相电压信号。仿真结果表明,与直接对监测的三相电压数据进行CS处理相比,该方法可有效的压缩原始三相电压数据,使得运行时间降低,重构误差减小,并且节约了测量数据的存储空间,因而更加具有实际应用价值。

基于核协同表示的快速目标跟踪算法

针对复杂环境下的单目标跟踪问题,提出一种采用核协同表示的快速目标跟踪算法.在粒子滤波的框架下,在字典矩阵中引入方块矩阵建模跟踪过程中可能出现的遮挡,然后将字典矩阵和候选样本分别映射到高维空间,建立候选样本和字典矩阵在高维空间的线性表示目标跟踪模型,同时采用L2正则化减弱传统方法对系数稀疏性的要求,有效地降低关键步骤的计算复杂度.实验结果表明,该方法能够克服遮挡、光照变化、尺度变化、运动模糊等影响跟踪性能的因素,具有较高的平均覆盖率和较低平均中心点误差,能够实现快速鲁棒的跟踪.

结构相似度索引耦合最优稀疏表示的大规模损坏图像动态修复

当前的图像修复算法在处理小面积损坏图像时,可取得较佳的视觉质量;但难以用于高对比度边缘和高频分量的大面积损坏图像的修复,存在明显的模糊效应与块效应,使得修复质量较差。对此,提出了结构相似度索引耦合优化稀疏表示的大规模损坏图像动态修复机制。基于数据度与置信度构造图像块先验模型,提取损坏图像的已知块;再引入K-SVD算法和拉格朗日乘数机制,构造最优字典矩阵,优化稀疏表示,以重构目标图像损坏区域;并设计结构相似度索引与动态更新机制,估算稀疏表示系数,并动态更新字典矩阵,输出修复图像。最后测试了其机制性能。结果表明:与当前图像修复算法相比,在大规模损坏图像与高对比度边缘图像修复中,具有更好的修复效果、更高的相似度,显著消除了模糊效应与块效应。

基于块目标的频率步进连续波探地雷达压缩感知重建算法

压缩感知理论对于解决频率步进连续波探地雷达信号处理过程中存在的采样速率高、存储数据量大、信号处理时间长等问题具有重要意义.针对雷达探测中块目标物体在探测区域不满足稀疏性的问题,提出一种适合块目标的压缩感知重构模型.利用某些稀疏正交基对块目标进行稀疏化处理使其满足稀疏性,将字典矩阵与稀疏矩阵结合形成适用于块目标物体的新观测矩阵,再通过压缩感知凸优化算法求解稀疏化系数,最后把该系数通过稀疏变换得到块目标的反射系数.通过实验仿真验证该方法的可行性,与未稀疏化处理的压缩感知重构模型相比具有更高的精度和分辨率.