最小能量约束的图像交互估计去模糊算法

为解决图像模糊引起的车牌识别性能下降问题,提出一种自适应的图像去模糊方法。基于最小能量准则交互估计核函数和最优图像,构建图像质量评价因子判决条件作为迭代终止条件,实现自适应的图像去模糊处理。通过融合锐化指数和自然图像质量评价指标构造图像质量评价因子,用于区分清晰图像和模糊图像,仅对模糊图像进行去模糊处理,并用于控制交互估计的迭代进程。实验结果表明,所提方法能有效区分模糊图像和清晰图像,去模糊效果好,可以提高车牌识别率。

基于最小噪声分离的约束能量最小化亚像元目标探测方法

提出了一种基于最小噪声分离的约束能量最小化亚像元目标探测方法。利用最小噪声分离变换,降低高光谱遥感影像的维数,同时分离高光谱遥感影像中的噪声。利用约束能量最小化方法对低维数据进行亚像元目标探测,避免了求解影像虚拟维数和病态矩阵求逆的问题。实验结果表明,该方法可以很好地抑制噪声的影响,亚像元目标探测率较高,是一种快速有效的高光谱遥感影像亚像元目标探测方法。

样本加权约束能量最小化算法

针对高光谱图像小目标探测中约束能量最小化算法对同类地物光谱多样性敏感,且不能有效识别大目标的问题,提出了一种样本加权CEM目标探测算法.通过光谱单位化处理,减小了目标点所在环境不同而出现的光谱差异.为精确地确定目标物在所有像元中所占的比例,以光谱相关性作为权值的度量对样本进行加权处理,有效降低了目标像素在样本自相关矩阵运算中所占的比重,使算法对大目标探测同样有效.

基于视觉约束能量最小化的特征点匹配算法

为了解决海上目标航空遥感图像重复特征较多导致的匹配不一致问题,并简化匹配过程,文中提出了基于SIFT视觉约束能量最小化的匹配算法(CEM-SIFT)。该算法将约束能量最小化模型应用于特征点的匹配,通过构造有限脉冲响应线性滤波器,采用视觉信息计算其能量值,使得待匹配的点集经过滤波之后的平均输出能量在一定约束下达到最小值,最终实现含重复信息的特征精确匹配。采用10组航空遥感海冰图像对算法进行测试,结果表明,相对于采用SIFT欧氏距离(ED-SIFT),在匹配重复特征比较多、点集规模比较大的图像时,CEM-SIFT算法的匹配精度更高,能够达到100%。

基于光谱角匹配和加权自相关约束能量最小化算法的水面目标探测方法

为实现对高光谱图像海面舰艇目标进行有效探测,通过对传统的目标探测算法进行改进,解决了加权自相关约束能量最小化算法(Constrained Energy Minimization,CEM)对于大目标地物提取效果不佳的问题.对高光谱图像做降维和端元提取处理,并利用提取的端元进行光谱角匹配(Spectral Angle Mapping,SAM)分类来确定两个重要的分类:舰船类和海水类;从所有像元中减去舰船类像元作为背景像元,通过基于纯背景像元加权自相关矩阵的SAM-CEM算法计算探测结果;通过分类图像来获得只包含海水和舰船的灰度图像,并进行二值化和数学形态学处理,寻找范围最大的白色区域为海水区域;通过对目标探测图像进行二值化,利用舰船目标在海水中的特点,去除不在海水区域内的虚警目标,从而确定最终的舰船目标.实验结果表明:该算法能够更好地增强目标信号而抑制背景信号,从而避免了加权自相关CEM算法中目标信号作为背景信号参与运算而对探测结果的影响,在对海面舰艇的目标探测中取得了令人满意的结果.

基于集成学习约束能量最小化的高光谱目标检测算法研究

提出了一种基于集成学习约束能量最小化(E-CEM)的高光谱图像目标检测算法。传统的高光谱检测算法通常是基于约束最小二乘法或基于高斯先验下的假设检验算法获得,然而真实环境中捕获的高光谱数据通常具有很强的非线性及非高斯特性,此时传统算法通常难以获得满意的检测效果。虽然核方法一定程度上能使传统算法获得较强的非线性表达能力,但核方法本身极易受到核函数参数的选择而表现出性能不稳定的现象。E-CEM在传统的约束能量最小化算法的基础上结合集成学习思想,使其在提升非线性光谱表达能力的同时提升检测的稳定性和稳健性。仿真高光谱图像和真实高光谱图像的实验结果都表明所提方法提升了CEM算法及其他经典算法的检测性能。

基于选择样本自相关阵的高光谱图像约束能量最小化算法

约束能量最小化算法是一种经典的高光谱图像目标检测算法,其在检测大目标地物时,背景自相关阵易受目标信息的干扰,从而影响算法的检测性能。针对此问题,提出一种基于选择样本自相关阵的CEM算法。通过比较高光谱图像每个样本像元与目标信号的光谱相似度,引入光谱相似性阈值,选择与目标信号光谱差异性较大的部分样本像元参与背景自相关阵的构建,使背景自相关阵更好地对背景的统计性进行描述。对AVIRIS获取的两幅真实高光谱图像进行了目标检测实验,结果表明,本算法的检测率有了明显提高,更适合于检测占据一定像元数目的大目标。

有约束的最小能量法优化系杆拱桥成桥索力

为优化成桥索力,借鉴斜拉桥成桥索力的优化方法——有约束的最小能量法。以某系杆拱桥为工程背景,采用Midas/civil建立有限元模型,以各吊杆索力为自变量,求得主拱拱肋和主梁的拉压及弯曲应变能之和作为因变量,并限定节点位移、截面弯矩,以及吊杆索力。采用MATLAB建立数学模型求得最优成桥索力,并与刚性连续梁法、刚性吊杆法所得索力,以及成桥状态对比。有约束的最小能量法求得的索力使得主拱挠度平顺,拱脚处的弯矩更为合理。

最小能量准则用于1995年河北沙城M_L 4.1地震序列破裂性质的探讨

运用变分原理,我们得到了最小地震波辐射能量约束准则并用于研究震源的物理过程.通过研究1995年ML4.1河北沙城地震序列主震和余震的动力学过程,可知主震和余震震源的动态破裂过程明显不同;ML4.1主震的破裂速度与瑞利波速相近,约为剪切波速度的0.89倍;而28个余震的破裂速度远远小于剪切波速度,大约是剪切波速度的0.05到0.55倍.根据裂纹扩展模型,计算得到其余震的地震波辐射效率多在10%以下,这也说明了余震的地震效率较低.我们认为余震震源的动态破裂过程应与断层内部新生裂纹的扩展有关,而非简单的岩体间的相对滑动.余震震源的动态破裂传播与破裂能占主导地位的小地震有关.这些小震所带来的破裂能也导致了断层的进一步扩展.在对该地震序列的研究中,我们发现主震与余震的震源破裂过程在能量分配上有着本质的区别.因此当地震断层尺度相当小时,破裂能的贡献不能忽略,它的大小将显著地影响地震波辐射能的大小.

约束最大相关系数的高光谱影像目标探测研究

高光谱遥感影像具有高的空间分辨率和连续的光谱信息,在目标探测领域具有独特的优势。基于高光谱影像的目标探测技术是遥感理论与应用的重要领域之一。本文从统计学中的相关系数的概念出发,提出了基于约束最大相关系数的高光谱影像目标探测算法。利用高光谱影像的线性混合模型,在真实图像中添加目标光谱,获得不同含量的亚像素目标及大目标,利用实验室高光谱成像仪对大目标进行推扫成像获取真实大目标高光谱影像。对仿真图像与真实图像进行约束能量最小化算子和约束最大相关系数算子进行对比,实验结果表明,基于约束最大相关系数的高光谱影像目标探测算法在探测大目标中具有更稳健的探测性能。

约束能量最小化变分自编码的高光谱目标检测

目标检测是高光谱领域中一个重要的研究方向,高光谱目标检测(hyperspectral target detection)是根据目标的光谱特征将像素判断为背景或者目标。在过去的几十年中已经提出了很多的检测算法,但是高光谱图像中背景样本的复杂性以及目标样本的有限性,使得检测算法面临着很大的挑战。本文提出了一种基于背景重构的高光谱目标检测算法,利用高光谱图像中背景样本占比较大的特点,训练背景样本自表示模型,然后重构出背景。同时利用约束能量最小化对残差图像进行检测,将重构出的背景用于自相关矩阵计算,避免目标样本参与计算影响目标样本的响应能量,提高了检测的精确度。在真实的高光谱图像数据上结果明显优于对比实验,验证了该方法的有效性和高效性。

一类基于带约束能量最小基函数的数值均匀化方法的二维数值实现

近年来,多尺度偏微分方程的数值均匀化方法得到了快速发展.本文以RoughPolyharmonic Splines(RPS)[1]及其推广形式Generalized Rough Polyharmonic Splines(GRPS)[2]为例,介绍了一类基于带约束能量最小基函数的数值均匀化方法的数学形式,并详细给出了基于粗细两网格,且具有拟最优计算量和收敛性的局部化基函数的数值实现方法.我们对具有多尺度系数的二维椭圆方程验证了这类方法的收敛性,此类方法在简单修改后还可用于多尺度Helmholtz方程等其他问题.

混合梁斜拉桥成桥索力优化理论及工程应用

为研究斜拉桥其最优成桥索力对主梁内力、线形的影响,以本溪某混合梁斜拉桥为工程背景.在既有索力优化理论的基础上,采用了基于复合约束的最小能量法,以塔梁的拉压应变能和弯曲应变能建立目标函数,运用显示梯度的数学表达式进行求解.研究结果表明:钢梁侧最大负弯矩为83 292.49 k N·m,混凝土侧最大负弯矩为18 934.7 k N·m,主梁最大下挠为40.1 mm,出现在钢梁侧且距离主墩0.75 L处,优化后索力更加均匀合理,计算结果可以满足工程要求,在同类桥型中有良好的借鉴意义和参考价值.

一种基于模糊混合像元分解的高光谱影像分类方法

高光谱遥感影像较低的空间分辨率使得混合像元大量存在于影像中,不仅影响了基于高光谱影像的地物要素识别能力,而且还降低了高光谱影像的分类精度。本文提出了一种基于模糊混合像元分解的高光谱影像分类方法。该方法主要利用约束能量最小化法设计的FIR线性滤波器,使得影像通过滤波器后输出与每类地物类别相关的"丰度图",其维数等于类别数;最后利用类中心匹配分类法实现高光谱影像的分类。实验结果表明,提出的分类方法与直接利用类中心匹配分类法相比,提高了影像的分类精度。

一种改进的高光谱图像中多小目标检测算法

针对高光谱图像小目标检测中约束能量最小化算法对噪音敏感且不能区分相似目标的问题,基于多目标约束能量最小化、加和约束能量最小化、胜者全赢约束能量最小化算法,提出一种改进的多个小目标检测算法.该算法对原有算法中自相关矩阵进行修正,减少了目标向量对自相关矩阵的影响.仿真实验表明,改进后的多小目标检测算法,检测误差明显低于原有算法.

拱桥成桥状态下吊杆索力优化

衡量刚构与拱组合体系系杆拱桥的标准之一是查看其成桥状态下内力分布与其大小。成桥在恒、活荷载的作用下拱肋与主梁所承受的弯曲应力小且均匀,此时方能称为合理的成桥状态。关于拉索索力优化的方法和理论大多以斜拉桥为研究对象。在借鉴斜拉桥索力优化的基础上,通过有约束的最小能量法,建立适用于吊杆索桥的优化模型以及约束的表达式,并结合工程实例来研究系杆拱桥成桥状态的吊杆索力优化。

一种基于非线性主成分分析的高光谱图像目标检测方法

目标探测是高光谱图像的重要应用之一。目前已经有了很多的目标探测算法,然而这些算法要求目标与背景是线性可分的。在实际的高光谱数据中,这一要求往往难以满足。本文提出了一种基于非线性主成分分析的高光谱图像目标探测算法。该方法先利用神经网络将高光谱图像进行非线性降维,从而使得在降维后的数据中目标与背景线性可分;然后使用约束能量最小化算法进行目标探测,为了取得较好的目标探测效果,保留了图像原始的特征。针对模拟数据和真实高光谱图像数据的试验表明,基于神经网络的非线性主成分分析可以将线性不可分的目标与背景分离。使用非线性特征和原始特征的组合可以获得更好的目标探测效果。

线性盲信道辨识算法中存在的问题及解决方法

传统的盲信道辨识与均衡技术大多采用高阶统计的方法 ,这种方法有一些弊端。后来开始研究基于二阶统计的方法 ,这是一个较大的突破。基于二阶统计的盲信道辨识算法大致有以下五种 :线性预测算法LPA[1] [2 ] ,外积分解算法OP DA[3] [4 ] ,多步线性预测算法MSLP[5] ,最小均方平滑算法LSS[6 ] 和约束最小输出能量算法CMOE[7] 。但是这些算法的仿真结果显示信道是不能被辨识的 ,该文将通过分析这些算法 ,指出导致辨识失败的原因 ;并在数字通信系统的背景下 ,给出解决方法。

基于近似目标后验信息的高光谱异常检测

针对异常检测算法检测精度远低于目标检测算法的问题,提出一种基于近似目标后验信息的高光谱异常检测算法.该算法首先利用基于低秩和稀疏矩阵分解算法(LRSMD)对原始图像进行异常检测,将检测结果中的异常像元求取平均作为近似目标光谱,最后利用近似目标对原始图像进行约束能量最小化(CEM)匹配检测.为验证所提算法的有效性,分别用两幅真实高光谱图像进行仿真实验.实验结果表明,与LRSMD算法相比,新算法能够有效地抑制虚假目标,显著地提高异常目标的检测性能.

基于改进RX增量学习的高光谱图像异常检测

高光谱图像的异常检测是星上处理中重要的研究内容之一,提出了一种在传统RX算法基础上结合增量学习和层级化的高光谱图像异常检测方法。采用增量学习,当生成新的协方差矩阵时不需要计算所有样本的协方差矩阵即可对检测器模型进行更新,避免了数据的重复计算和逆矩阵的求解。利用层级化方法有效地抑制背景,提取目标光谱,增强了检测器的性能。实验结果表明:相较于SAM算法和传统RX算法,所提算法检测概率最高,其检测结果与地面目标最为接近;所提算法的计算复杂度得到了数量级的减弱,与SAM算法相比,运行时间缩短了0.215 s,因此具有更高的检测速度,占用更少的星上资源,优于传统的RX算法。