基于重叠稀疏组深度信念网络的图像识别

深度信念网络的隐含神经元大部分为噪声变量,且具有组结构相关性。组稀疏深度信念网络模型通过组Lasso模型对隐含神经元变量进行约束,从而实现变量组选择。然而,组稀疏深度信念网络模型未能考虑特征可同时属于多个特征组,并且隐含神经元在变量层面上不稀疏的问题。在组稀疏深度信念网络模型上引入重叠组结构,解释了重叠组Lasso模型在变量层面上比组Lasso模型稀疏的原因,并在变量层面上作进一步的稀疏,提出了重叠稀疏组深度信念网络模型。在MNIST、USPS、ETH-80以及人脸数据集上的识别结果表明,重叠稀疏组深度信念网络具有更高的识别率。

多源声发射信号混合重叠组稀疏分类研究

针对高速列车车体裂纹声发射检测的多源、波模式重叠及噪声干扰问题,提出一种基于本征模态的混合重叠组稀疏(MOGS)分类方法用于声发射源识别。MOGS是一种兼顾组间和组内稀疏,同时允许类间特征重叠的结构稀疏模型。设计了一种新的噪声预分解矩阵以降低本征模态分解计算量,选取目标特征频带模态为分类样本来提高类间差异。通过K-SVD层次稀疏组套索罚训练MOGS类别字典,并给出一种罚函数块坐标可分离的近似光滑处理过程以实现MOGS套索求解。实验表明,该方法对几类多源含噪信号分类准确率均高于80%,在识别率和波形重构效果上优于对比方法。

基于改进重叠组稀疏的遥感图像去噪算法

脉冲噪声对遥感图像的质量有着显著的负面影响,它会破坏图像的连续性,降低图像的可视性和信息的准确性,从而影响遥感图像的应用效果。本文通过融合自适应中值滤波技术和组稀疏模型,设计了基于改进重叠组稀疏的模型,以有效地消除遥感图像的脉冲噪声,并消除梯度伪影现象。由于本文所提出的模型是非凸问题,我们利用最大–最小化(MM)方法和交替方向乘子法(ADMM)对模型进行求解。实验结果表明,本文提出的模型在峰值信噪比(PSNR)和结构相似度(SSIM)方面优于其他四种算法。

基于重叠组稀疏超拉普拉斯正则化的高光谱图像恢复

高光谱图像混合噪声去除是遥感领域的一个基本问题,也是一个重要的预处理步骤。本研究针对高光谱图像去噪问题,为有效地对高光谱图像进行恢复,提出了一种基于重叠组稀疏性超拉普拉斯正则化(OGS-HL)的新型去噪方法。该方法可以有效捕捉图像的局部相关性和方向性结构,同时减少传统全变分正则化中的阶梯伪影。通过乘子交替方向法求解非凸优化问题,显著提高了去噪效率。在多个遥感图像数据集上的仿真实验表明,所提方法在峰值信噪比(PSNR)和结构相似度(SSIM)等评价指标上优于现有技术,展现了在复杂噪声环境下的优越去噪性能和广泛的应用潜力。The removal of mixed noise from hyperspectral images is a fundamental issue in the field of remote sensing and an important preprocessing step. This study focuses on the denoising problem of hyperspectral images. To effectively restore hyperspectral images, a new denoising method based on Overlap Group Sparse Hyper Laplacian Regularization (OGS-HL) is proposed. This method can effectively capture the local correlation and directional structure of images, while reducing the step artifacts in traditional total variation regularization. By using the alternating direction method of multipliers to solve non-convex optimization problems, the denoising efficiency has been significantly improved. Simulation experiments on multiple remote sensing image datasets have shown that the proposed method outperforms existing technologies in evaluation metrics such as peak signal-to-noise ratio (PSNR) and structural similarity (SSIM), demonstrating superior denoising performance and broad application potential in complex noisy environments.

超拉普拉斯重叠组稀疏先验的稀疏角度CT重建

对于稀疏角度下的投影数据,计算机断层扫描在图像重建中容易出现伪影和噪声较多的问题,难以满足工业及医学诊断要求。本文提出一种基于重叠组稀疏和超拉普拉斯先验的稀疏角度CT迭代图像重建算法。其中重叠组稀疏反映图像梯度稀疏性,从图像梯度的角度考虑相邻元素之间互相重叠交叉的关系。而超拉普拉斯先验能够精确地近似图像梯度的重尾分布,能够使得重建图像整体的质量提升。本文提出的算法模型采用交替方向乘子法,主分量最小化法和梯度下降法求解目标函数。实验结果表明,在稀疏角度CT重建的条件下,本文提出的算法在保留结构细节、抑制图像重建过程中产生的噪声和阶梯伪影方面有着一定的改善。

图像去模糊的自适应交替方向乘子重叠组稀疏方法

图像去模糊技术是图像处理领域的一个重要组成部分.由于重叠组稀疏全变差(OGSTV)正则化不仅具有保留边缘的特性,而且能够抑制阶梯效应的产生,正逐渐地应用到图像去模糊问题中.利用交替方向乘子(ADMM)方法来求解重叠组稀疏全变差模型时,其惩罚因子对去模糊问题的影响较大,且不易调节,故笔者在优化模型时根据复原出的图片自适应地调整惩罚因子.该方法在保证计算速度的同时,自适应地复原出最佳图片,并保证了算法的鲁棒性.实验结果表明,本文方法在PSNR、SNR、相对误差等评价方法上均优于其他复原模型.

基于混合非凸性二阶全变分和重叠组稀疏的非盲图像去模糊算法

为了解决凸性全变分正则化模型会使重构结果出现非闭合轮廓和非齐整边缘等缺点,设计了混合非凸性全变分耦合重叠组稀疏的图像去模糊算法。重叠组稀疏正则化项很好地考虑了相邻元素之间相互交叉的关系,非凸性二阶l p范数正则化项较好保持了图像的边缘形状信息,同时将这两个正则约束项融入到全变分函数中,可以准确地恢复边缘结构特征以及消除平滑区的阶梯效应和振铃效应。最后,为实现非凸性高阶模型的优化求解,提出了变量分裂法,将该模型分离成4个子问题,然后借助重加权l1交替方向法来完成图像去模糊的计算。测试数据显示,相比当前图像复原技术,所提算法具备更为理想的去模糊效果,复原图像表现出更高的峰值信噪比和结构相似度,可以更有效地恢复出边缘形状信息和纹理细节。

基于小波变换与组稀疏相结合的遥感图像复原算法

针对脉冲噪声下的遥感图像的复原问题,本文设计一种基于小波变换与组稀疏相结合的遥感图像复原算法。该算法模型采用L0范数作为数据保真项,可以有效地去除脉冲噪声;在正则项上,本文采用重叠组稀疏正则化器与梯度图像在小波变换下的L0范数进行稀疏建模。使用优化最小化方法分别与交替方向乘子法对算法模型进行求解。将本文复原算法与L0-OGSTV、HNHOTV-OGS、L0-TV三种算法进行实验对比。实验结果表明,在峰值信噪比和结构相似性的指标上,本文算法均优于以上几种算法。

重叠组稀疏广义全变分图像去模糊方法

传统的广义全变分去模糊模型利用L 1范数刻画图像高阶梯度,不能有效刻画图像梯度的局部组稀疏先验,导致传统广义全变分模型在阶梯效应抑制能力有一定局限性,针对这一问题,提出了基于重叠组稀疏收缩技术的改进广义全变分去模糊模型。该模型能更好挖掘图像梯度之间的结构稀疏先验知识,并通过图像梯度结构特性进一步抑制传统广义全变分模型的阶梯效应,从而获得更好的去模糊效果。用带重启的加速交替方向乘子法对该模型进行了求解。实验结果表明,该方法能有效抑制阶梯效应,在去模糊效果上更具有优势。

基于OGS-HL的遥感图像混合噪声去除算法

遥感图像在成像过程中容易受到混合噪声污染,包括高斯噪声、条纹噪声和脉冲噪声等。这些混合噪声降低了遥感图像的质量,限制了其后续应用。为了解决这一问题,首先,通过对遥感图像的梯度值进行统计分析,发现遥感图像的空间梯度值是符合重尾分布,因此,设计了关于遥感图像空间梯度值的OGS-HL正则项来去除混合噪声模型,该正则项不仅可以减少全变分带来的阶梯效应,而且还可以对图像的梯度值进行合理的稀疏表示;其次,针对条纹噪声,考虑其具有低秩性且使用核范数来约束,而稀疏噪声则具有全局稀疏分布,并且采用L1范数来约束;最后,采用交替方向乘子法和Majorization-Minimization算法来求解所提出的模型。通过与现有的算法进行比较,结果表明我们提出的算法在去除高水平混合噪声方面具有良好的效果。

混合二阶全变分的抗核辐射图像降噪方法

为了更好地保留核环境下图像降噪后的细节信息,提出了基于混合二阶全变分的抗核辐射图像降噪方法。将非凸二阶全变分与重叠组稀疏正则化相结合,使用交替方向乘子法(alternating direction method of multiplier,ADMM)和增广拉格朗日乘子法对全局问题进行优化求解,多次迭代后得到基本降噪图像;将多次降噪后的基本降噪图像进行差值迭代,使核辐射图像中大范围跳变的灰度值更加接近原始图像灰度值;根据核噪声的特点,设计算法模拟出核噪声斑块。通过在真实核环境下采集的数据集和模拟的核噪声数据集上进行实验,峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)等指标的变化及处理后的视觉效果表明,提出的算法在保留图像细节信息方面优于对比算法。

基于交替乘子法的图像去模糊技术研究

图像去模糊是图像处理的一个重要领域,采用重叠组稀疏总变差函数(OGSTV)不仅保留了图片的边缘特性,而且能够抑制阶梯效应,被广泛应用于图像去模糊技术。重叠组稀疏总变差函数通常利用交替方向乘子(ADMM)进行模型求解,其惩罚因子是一个不易调节的关键因素。为此,本文通过自适应地调整惩罚因子,能够兼顾计算速度和算法鲁棒性,复原出质量较佳的图片。实验结果表明,这一方法在相对误差(RE)、峰值信噪比(PSNR)和信噪比(SNR)等方面优于其他模型。