相位降噪与矢径分解组合的矢量序列分解方法

基于矢量序列相位与矢径的统计分布差异,本文提出一种TV (Total Variation)相位降噪和EMD (EmpiricalMode Decomposition)矢径分解组合的矢量序列降噪、分解方法。利用TV细致的演化特点进行相位降噪,其中引入最大信杂比准则,以优化选择调整参数和迭代次数;利用EMD适用于非线性非平稳分解的特点,将矢径分解为多个IMFS(Intrin-sic Mode Function),其中加入了非负判别,以保证重构矢量的相位不会发生跳变。然后,将降噪相位和分解的IMFS一一对应,重构矢量。考虑到历史继承性,该方法称为VEMD(Vector Empirical Mode Decomposition)方法。以高斯噪声污染的2个人工信号(线性调频信号、正弦+线性调频信号)和实测海杂波数据验证了本文所提出方法的性能。

基于局部对比度和相位保持降噪的古籍图像二值化算法

图像二值化算法通过消除文档背景噪声将文本与背景分割开。针对古籍图像提出一种基于局部对比度和相位保持降噪的古籍图像二值化算法。根据归一化局部最大值最小值来构造古籍图像局部对比度,同时对古籍图像进行相位保持降噪。将局部对比度图像和降噪图像相结合来识别文本笔划像素。通过局部窗口内所检测的文本笔划像素估计局部阈值从而计算古籍背景修复模板。用图像修复算法和形态学闭操作来估计古籍背景。用所估计背景来增强古籍图像,采用Howe算法对增强后的古籍图像进行二值化求得最终结果。该算法在DIBCO2016、DIBCO2017和DIBCO2018数据集中的实验结果均优于其他二值化算法。

采用自适应字典学习的InSAR降噪方法

提出了一种基于字典学习的干涉合成孔径雷达相位降噪算法.首先利用字典学习,建立了干涉相位滤波的优化模型.鉴于该模型非凸难以求解,采用分裂技术和增广拉格朗日框架,获得松弛后的基于l1范数正则化的优化模型,然后引入交替方向乘子法对松弛后的问题求解,获得最终的相位滤波结果.通过InSAR复相位数据训练字典,从稀疏表达式重建所需的复相位图像.对仿真数据和实测数据的处理显示这种新的InSAR相位降噪方法在残点数、均方误差和边缘完整性保持方面优于现有的经典滤波方法.

一种基于梯度向量域上字典学习的有效InSAR相位滤波

本文提出了一种基于梯度向量域上字典学习的InSAR相位的降噪算法.首先利用字典学习,建立了干涉相位滤波的优化模型.鉴于该模型难以求解,本文采用分裂技术和增广拉格朗日框架,获得非线性约束松弛优化模型,最后引入交替方向乘子法对松弛问题求解,获得最终的相位滤波结果.具体地,通过先从InSAR复相位图的水平和垂直梯度域依顺序训练字典,然后从这两个梯度向量的稀疏表达式出发重建所需的干涉相位图.对仿真和实测数据的处理结果显示这种新的InSAR相位降噪方法在残点数、均方误差和边缘完整性保持等方面优于几种经典的滤波方法.