基于分数范数与最小最大凹罚的运动目标检测

针对传统鲁棒主成分分析(RPCA)秩函数和稀疏度函数逼近程度不够高的问题,给出一种新的基于分数范数与最小最大凹罚(MCP)函数的运动目标检测算法。首先通过分数范数与最小最大凹罚函数分别逼近秩函数和稀疏度函数,以实现对低秩部分和稀疏部分的更佳逼近,从而提取出更优的运动目标;然后使用交替方向乘子法(ADMM)求解提出的算法;最后为了体现该算法的优势,通过仿真实验得到其平均F-measure值为0.69576。与其他鲁棒主成分分析算法相比,该算法的运动目标检测效果更好,相较于性能最好的对比算法Godec的F-measure值大约提高了17%。

基于MCP正则化SWESN的时间序列预测方法研究

为提高小世界回声状态网络(SWESN)的非线性拟合能力,提出一种基于MCP正则化SWESN的时间序列预测方法(MCP-SWESN),优化小世界回声状态网络的输出权值,解决常规回归方法计算权值时出现的过拟合问题,提高预测精度。仿真实现ESN、SWESN、Ridge-SWESN、Lasso-SWESN、SCAD-SWESN和MCP-SWESN六种预测方法对Lorenz混沌时间序列、Mackey-Glass混沌时间序列和实际PM2.5浓度时间序列的预测,结果显示:基于MCP-SWESN的时间序列预测方法具有更强的预测能力。

基于非凸全变差正则的核磁共振图像重构算法

针对于核磁共振(MR)图像重构中由于欠采样导致的重构图像不够完整、边缘模糊以及噪声残留等问题,提出了一种基于L2正则的非凸全变差正则重构模型。首先,以Moreau包络和最小最大凹罚函数为工具构造L2范数的非凸正则;然后,将其应用于全变差正则上来构造各向同性的非凸全变差正则稀疏重构模型。所提的非凸正则可以有效地避免凸正则中对较大非零元欠估计现象,能够更有效地重构目标的边缘轮廓;同时,在一定条件下可以保证目标函数的整体凸性,从而最后可以利用交替方向乘子法(ADMM)对模型进行求解。仿真实验对若干MR图像在不同的采样模板和采样率下进行了重构。实验结果均表明,与几种典型的图像重构方法相比,所提模型性能更优,相对误差明显降低,峰值信噪比(PSNR)有明显改善,较经典的L1非凸正则重构模型提升了大约4 dB,并且重构后的图像视觉效果显著提升,有效地保留了原始图像的边缘细节。