基于改进平滑L0范数的图像重构算法

针对图像重构问题,文章提出一种基于改进平滑L0范数(SL0)稀疏信号重构算法。首先,选用负指数函数作为平滑函数趋近L0范数,将图像稀疏重构问题转化为平滑函数的优化求解。通过调整控制参数,使得负指数函数趋近L0范数。再通过循环迭代与梯度投影方法,求出最优解。实验结果表明,该算法较其他传统算法对图像重构具有优势。

基于自适应分块和联合优化光滑l_(0)范数的二维压缩感知算法

传统的压缩感知模型和重构方法,虽能有效减少数据量,但压缩和重构性能不佳,故该文提出一种基于自适应分块和联合优化光滑l_(0)范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配,同时对压缩模型改进,使用混沌循环矩阵作为测量矩阵,提升了压缩性能。重构过程基于SL0算法,采用陡峭性更高的拟合函数,结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%,平均计算时间仅需1.59 s,表明该算法能稳定、快速地实现图像的压缩感知和精确重构,为压缩感知和图像重构提供了新方法。

基于修正近似双曲正切函数的平滑l_0范数算法

针对SL0算法中高斯函数对l_0范数的逼近程度较差以及在算法迭代过程中存在"锯齿效应"的问题,提出一种基于修正近似双曲正切函数的平滑l_0范数算法。采用逼近性能更优的修正近似双曲正切函数近似l_0范数,建立基于此函数的稀疏问题模型,利用牛顿法对其进行求解,能够以较高的精度重构出稀疏信号。仿真结果表明,相比于SL0算法、NSL0(newton smoothed l_0norm,NSL0)算法以及ASL0(approximate smoothed l_0norm,ASL0)算法,所提算法能获得更优的重构性能。

L0范数平滑逼近的稳健求解算法

该文研究基于代理函数和先验概率密度的L0范数平滑逼近问题的稳健求解。首先,分析了平滑逼近函数的凹凸特性,给出提高恢复性能的参数调整策略与改进的SL0和FOCUSS算法。其次,将噪声背景下L0范数逼近过程进行正则化表示,并基于牛顿方向推导其迭代重加权形式的求解框架,给出一种新的代理函数。最后,使用数值仿真证实了所提算法可以提高此类问题的求解的稳健性,具有实用价值。

基于二维阈值SL0范数算法的压缩感知ISAR成像

在对非合作目标的逆合成孔径雷达(ISAR)成像中,快速成像甚至实时成像具有非同寻常的意义。平滑l_(0)范数(SL0)算法是一种计算快速的压缩感知类参数重构算法,在ISAR成像中得到关注和应用。常规SL0算法在迭代过程中,无论参数重构的收敛效果如何,每轮内循环的迭代次数都是固定的预设次数,导致多次内循环无效进行。文中针对常规SL0算法迭代收敛机制僵化的问题,提出一种二维阈值平滑l_(0)范数(2D T-SL0)快速算法,用于ISAR成像中的强散射点提取。该算法引入迭代效率指标来评定内循环的有效性。在内循环的迭代过程中,若其迭代效率指标高于设定阈值,说明参数估计值能得到优化,该轮内循环继续进行;反之说明参数估计值已接近收敛,则终止该轮内循环,进入下一轮内循环。ISAR成像实验结果表明,相比常规SL0算法,2D T-SL0算法能减少很多无效迭代,明显降低运算量。在成像效果方面,2D T-SL0算法与常规SL0算法相当,明显好于传统的距离-多普勒(R-D)算法和旋转不变参数估计(ESPRIT)算法。

基于平滑l_0范数的压缩感知近场声全息方法

传统平面近场声全息(CPNAH)是一类典型的不适定问题,采用波数域滤波或Tikhonov正则化等方法都无法彻底解决,因此,提出一种基于平滑l_0范数的压缩感知平面近场声全息法(SL0-CS-PNAH)。根据全息面上测量声压的特点,采用symlets8小波函数构建正交小波变换矩阵,将其作为重建面质点法向振速的稀疏基。将CPNAH中使用的瑞利(Rayleigh)第一积分公式离散化,确定SL0-CS-PNAH中满足约束等距原则的测量矩阵,设置合适的压缩比,利用测量矩阵对稀疏信号进行压缩采样。在由感知矩阵、全息面测量声压和稀疏向量共同构成的约束条件下,建立稀疏向量的最小l_0范数优化模型,采用平滑l_0范数重建算法求解此模型下的最优化问题,得到质点法向振速的最优稀疏解,再将最优稀疏解和稀疏基相乘恢复重建面质点法向振速。在数值仿真实验中,将测量点由64×64减少到32×64的情况下将传统CPNAH、基于正交匹配追踪算法的压缩感知近场声全息(OMPCS-PNAH)、基于子空间追踪算法的压缩感知近场声全息(SP-CS-PNAH)和SL0-CS-PNAH进行比较。实验结果表明,在相同采样率和压缩比条件下,采用SL0-CS-PNAH的声场重建质量较好且重建效率较高。

基于l_(0)-l_(1)范数的SPADMM算法

利用l_(0)-l_(1)范数讨论图像去模糊问题。提出一个考虑边缘信息的图像去模糊模型,将其转化为无约束优化问题,使用SPADMM算法进行求解。证明了算法的全局收敛性。数值实验结果表明,我们的算法具有较高的PSNR和SSIM,因此具有较好的恢复效果。

基于SL0范数的改进稀疏信号重构算法

平滑范数(Smoothed l0,SL0)压缩感知重构算法通过引入平滑函数序列将求解最小l0范数问题转化为平滑函数优化问题,可以有效地用于稀疏信号重构。针对平滑函数的选取和算法稳健性问题,提出一种新的平滑函数序列近似范数,结合梯度投影法优化求解,并进一步提出采用奇异值分解(Singular value decomposition,SVD)方法改进算法的稳健性,实现稀疏度信号的精确重构。仿真结果表明,在相同的测试条件下,本文算法相比OMP算法、SL0算法以及L1-magic算法在重构精度、峰值信噪比方面都有较大改善。

结合L_(0)优化与拉普拉斯算子的图像平滑方法

针对平滑过度使图像的细节特征损失导致失真的现象,提出了一种L0测度优化与二阶拉普拉斯算子结合的图像平滑方法,采用拉普拉斯算子约束图像颜色变化,通过对L0模型的优化减缓颜色梯度的变化,达到图像颜色平滑过渡的目的.为了在平滑过程中更好地保持图像边缘特征,引入Sobel算子作为能量函数正则项,并采用交替求解策略求解能量函数.在图像平滑领域经典图像以及通过网络引擎搜索得到的图像上与6种平滑方法以及7种去噪方法进行了定性和定量比较实验,结果表明,所提方法在图像平滑的同时能够降低图像细节特征的损失,有效地处理图像平滑中存在的阶梯状边缘以及颜色块状分布的现象,并去除图像中的多种噪声,而且所提方法的峰值信噪比和运行时间也较其他方法有所提升.

基于改进PSO-KMeans煤炭异物筛选算法研究

采煤过程中异物自动识别和分拣是实现矿业信息化的关键技术之一。传统双能X射线系统根据R值算法可有效识别出煤炭中混杂的钢筋与胶皮,却难以识别与煤炭组成成分相似的木质杂质。针对这一问题,提出基于L_(0)范数最小化与改进PSO-KMeans的木质杂质筛选算法,借助L_(0)范数最小化算法平滑图像,去除煤灰干扰,利用改进PSO-KMeans聚类算法与基于距离变换的分水岭算法实现图像分割,根据离心率与矩形度进行木质杂质识别,并通过仿真实验验证方法的可行性。经验证此方法能有效筛选出煤炭中混杂的木质杂质。

平滑L0算法在语音压缩重构中的应用

语音信号在频域和离散余弦变换域等都具有良好的稀疏特性,满足压缩感知的先验条件,因此可以基于压缩感知对语音信号进行处理。语音压缩感知主要包括三个方面:稀疏基、观测矩阵和重构算法。其中,重构算法直接影响着重构信号的质量,是最重要的一部分。传统的语音压缩感知常基于正交匹配追踪算法进行重构。正交匹配追踪算法要求已知信号稀疏度,增加了实现的难度。为了提高语音信号的重构质量、简化实现过程,提出了一种基于平滑L0算法的语音压缩重构模型。平滑L0算法是用平滑函数逼近L0范数,它不需要提前知道信号的稀疏度,具有计算量低、重构质量高等优点。此外,提出了一种新的平滑函数,并基于高斯函数和新的平滑函数来验证平滑L0算法在语音压缩重构中的优越性。实验结果表明,在相同的条件下,相比于正交匹配追踪算法,使用平滑L0算法对语音进行重构,不仅缩短了重构时间,而且大大提高了重构质量。

基于BFGS拟牛顿法的压缩感知SL0重构算法

平滑l0范数(SL0)算法是一种基于近似l0范数的压缩感知信号重构算法,采用最速下降法和梯度投影原理,通过选择一个递减序列来逐步逼近最优解,具有匹配度高、计算量低、不需要已知信号稀疏度等优点。但是,其迭代方向为负梯度方向,使得在迭代过程中产生"锯齿现象",导致在最优解附近收敛速度较慢。牛顿法具有较快的收敛速度,但是对初值的要求较高,并且需要计算Hesse矩阵。拟牛顿法则克服了这个缺点,利用BFGS公式计算Hesse矩阵的近似矩阵,只需要计算1阶导数信息。该文在SL0算法的基础上,结合BFGS拟牛顿法,提出一种改进的压缩感知信号重构算法。首先采用最速下降法迭代得到信号的某个估计值,然后将此估计值作为拟牛顿法的初值继续迭代,直至得到最优解。计算机仿真结果表明,在相同的条件下,该算法在重构精度、峰值信噪比和重建匹配度等方面均有较大提高。

基于压缩感知的红外遥感图像重构算法分析

随着航天遥感技术的飞速发展,遥感图像采集数据耗时长、图像数据量大等问题的出现对采样设备和存储设备提出了更高的性能要求。为了解决以上问题,在气象卫星的红外遥感图像的处理中采用了压缩感知理论。通过Matlab建模和仿真,分析了正交匹配追踪算法、梯度投影算法、子空间追踪算法、平滑l_0范数算法的性能,并对大量红外图像以不同的采样率进行采样压缩,然后使用多种重构算法重构图像。对比试验显示,几种算法都能以较低的采样率得到完整的红外图像,但平滑l_0范数算法在重构精度和运行时间方面都优于其余几种算法,证明了压缩感知在红外遥感图像的处理中具有较大的实用价值。

基于交替方向乘子算法的二维磁异常稀疏反演

磁异常反演是获取地下场源磁化率分布的重要手段之一,在地球勘探中扮演着重要角色.在磁异常反演中,对比光滑反演,稀疏反演的结果具有边界分明,物性参数分布集中的特点,更符合实际情况.针对稀疏反演,本文首先构建了具有代表性的基于L_(1)范数目标函数,利用交替方向乘子算法可分离凸函数的特点,将极小化L_(1)范数的优化问题分解为一系列的子问题,通过对子问题求解获得原问题的解;为了增强交替方向乘子算法的适应性,本文结合广义软阈值函数将交替方向乘子法推广于L_(p)(0<p<1)范数的反演中.为了验证本文提出的算法的有效性,采用了三种常规模型进行模拟实验.与基于L_(2)范数的反演算法进行实验对比,结果表明,本文算法得到了边界清晰,磁化率分布更集中的反演结果.最后,将基于交替方向乘子算法的L_(1)和L_(p)(0<p<1)范数的反演应用到青海省尕林格铁矿保护区获得的实际磁异常数据中,获得了较为符合实际地质情况的稀疏反演结果.

基于遗传模拟退火算法的压缩感知重构方法

将压缩感知的信号重构归结为求解最优l_(0)范数问题,设计了基于遗传模拟退火算法的压缩感知信号重构方法,构造了该信号重构方法的具体算法流程。提出的信号重构方法采用遗传迭代与模拟退火的思想进行问题优化,可精确重构出原信号,避免了遗传算法局部搜索能力差的缺陷。将该信号重构方法应用于一维信号和二维图像信号,实验结果验证了该重构方法的可行性和有效性。与基于遗传算法、卡通-纹理分解的信号重构方法相比,提出的信号重构方法的信号重构精度较高。

一种快速稀疏信号重构算法

针对稀疏度未知时稀疏信号重构问题,提出一种快速平滑L0范数(SL0)稀疏信号重构算法。选用连续平滑函数近似L0范数,对平滑函数优化求解;采用单循环步骤代替平滑L0范数算法中的双循环结构,加大对控制参数的搜索次数,实现稀疏信号的精确重构。仿真结果证明,在相同的测试条件下,该文算法较现有的大多数稀疏信号重构算法在计算时间和重构效果方面具有优势。

基于L_0平滑的超像素块最短测地距离的显著区域提取方法

为了有效地检测出图像中的显著区域,提出了一种基于L_0平滑的超像素块最短测地距离的图像显著区域提取方法。首先对图像进行L_0平滑得到边缘锐化内部细节平滑的图像,进而用简单线性迭代聚类(SLIC)算法得到图像的超像素块;然后提取超像素块的颜色和空间特征,计算超像素块之间的最短测地距离,根据图像边界的连通性得到每个超像素块的初步显著值;最后通过显著区域聚焦等后处理优化操作,滤除图中的背景噪声,得到最终显著图。利用公开数据库与之前方法进行比较的结果显示,本文方法能够更好地加亮整个显著目标区域,去除背景干扰区域。通过ROC面积的比较,证明了本文提出方法的有效性。

特征空间中基于半遗传稀疏表示的图像识别

经典的稀疏表示分类(SRC)通常是基于求解L_(1)最小化问题的。SRC在原始输入空间中求解L_(0)范数最小化问题,无法很好地获取数据中的非线性信息。为了解决这一问题,应用非线性映射将原始输入数据映射到一个新的高维特征空间,并提出了一种新的基于L_(0)范数的表示方法。在所提方法中,表示测试样本的字典包含两个部分:第一部分固定在测试样本的近邻;第二部分的训练样本通过半遗传算法(SGA)来选择,利用表示误差确定第二部分的表示字典。在所提方法中,如果训练样本和已确定的测试样本的近邻产生最小表示误差,那么这些训练样本将被SGA确定为表示字典的第二部分。在一些常用的人脸数据集和一个手写体数据集上的实验表明,所提方法能够获得更好的分类性能。