基于IALM的穿墙雷达成像算法

针对传统压缩感知穿墙雷达成像算法存在的计算过程复杂、对噪声较敏感等问题,提出一种压缩感知框架下的基于非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier,IALM)的穿墙成像算法。考虑到墙体回波信号的低秩性和目标信号的稀疏性,将穿墙成像视为正则化最小二乘优化问题,并转化为一个含核范数和l_1范数的复合优化问题。通过非精确增广拉格朗日乘子法交替更新迭代求解墙杂波矩阵和目标矩阵,从而完成目标重构。仿真结果表明所提算法的信杂比较好,并在显著提高目标成像精度的同时提高了处理速度。

“Ialm”一词翻译商确

“Imla”一般都译为“正字法”,我识为不够确切。维吾尔文是拼音文字,没有类似方块汉字这样的书写符号,只用20几个字母和一套“imla kaidisi”(拼写规则)来记录语言。有语言学常识的人都知道,字和词是不同的概念。维吾尔语要正的是词,不是字或者字母,即统一词的拼写方法。因此,“imla”可译为“正词法”或者“拼写法”;“

基于RPCA的太阳能电池片表面缺陷检测

目前太阳能电池片生产过程中的缺陷检测主要由人工完成,费时费力,容易受主观因素的影响.文中提出了一种基于RPCA(Robust Principal Component Analysis,RPCA)的太阳能电池片表面缺陷检测方法.该方法对图像矩阵进行变换,使之分解成无缺陷的低秩矩阵图像和有缺陷的稀疏矩阵图像.通过凸优化的方法,分别最小化上述两个矩阵的核范数和1范数,从而使矩阵得以有效快速地分解.同时,文中分别对优化的两种算法:加速逼近梯度(Accelerated Proximal Gradient,APG)法和非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier,IALM)法,在太阳能电池片缺陷检测的计算时间和迭代次数方面进行了比较.最后通过大量实验,证明了上述方法在检测太阳能电池片表面缺陷的可行性和有效性.

基于稀疏表示与矩阵填充的多帧超分辨率图像重建

针对现有算法在通用图像分辨率要求较高时重建效果不稳定的问题,提出一种基于稀疏表示与矩阵填充的多帧超分辨率图像重建算法.对自然图像库进行训练建立过完备词典对,并将低分辨率图像分成若干图像块,根据局部先验约束建立稀疏表示模型,通过线性规划的方法求得过完备词典对下图像块的稀疏系数;利用多帧图像序列的相似性,采用非精确增广拉格朗日乘子法对全局约束构建的观测矩阵进行矩阵填充和矩阵恢复,最终获得高分辨率图像.实验结果表明,与其他主流算法相比,重建后的图像保留了更丰富的图像边缘与细节信息,不会过于平滑而导致图像模糊,并且不易受过完备词典选择范围的影响,具有较好的稳定性和更高的峰值信噪比,可应用于遥感图像超分辨率重建等图像应用领域.

基于改进低秩矩阵恢复模型的测井数据去噪方法研究

在铀矿中子测井数据处理方面,受井液、地层孔隙度、岩性等因素的影响,测井的噪声数据不一定满足稀疏性的要求,传统的低秩矩阵恢复(LRMR)模型对于测井原始数据的去噪效果不佳。作者提出一种基于低秩矩阵恢复的改进模型,以提高对含复杂噪声的测井数据的去噪能力。同时把加权m1范数和加权核范数的思想引入到传统的LRMR模型中,使用F范数作为惩罚项,得到改进的LRMR模型,并应用表现效果较好的非精确增广拉格朗日乘子法(IALM)对模型进行求解。运用传统模型和改进的模型对某铀矿的中子测井数据进行去噪,并使用支持向量机、决策树算法对去噪后的数据进行矿层分类分析;实验结果表明,经过改进模型去噪处理后的测井数据分类准确度更高。改进的LRMR模型去噪能力比传统LRMR模型更强,为铀矿中子测井数据去噪提供了技术支撑。

矩阵填充与主元分析在受损图像配准中的应用

本文提出了一种有效的针对受损图像(元素丢失)的图像配准方法。利用矩阵填充技术将受损图像的丢失元素恢复,然后将主元分析法(PCA)应用于尺度不变特征变换(SIFT)中进行图像的配准。针对SIFT算法采用128维特征向量表示特征点,存储空间、匹配时间与特征点数量成正比,文本采用主元分析法对多维特征向量进行降维处理,以提高运算效率;并采用高斯加权欧氏距离代替欧氏距离进行特征点的匹配。实验结果表明,该算法具有较好的稳定性、准确率和匹配速度,针对受损图像配准具有较好的鲁棒性,可应用在基于内容的图像与视频检索等机器视觉领域。

低秩遮挡图像去噪方法

为获得清晰的低秩图像,提出一种将低秩矩阵填充(LRMC)与低秩矩阵恢复(LRMR)联合的新模型,基于非精确增广拉格朗日乘子(IALM)法进行求解,运用LRMC去除遮挡并填充缺失部分,再利用LRMR去除噪声,得到完整的图像。以恢复时间、信噪比(SNR)、峰值信噪比(PSNR)、差错率(err)等做评价标准,对3幅受噪声污染的图像的恢复结果表明,本文提出的联合LRMC与LRMR的新模型,既能去除遮挡又能够填充图像的缺失部分,能够达到理想的恢复效果。

基于低秩稀疏分解的湍流退化图像序列的盲去卷积算法

针对湍流退化图像序列存在像偏移、像抖动和像模糊的问题,提出一种基于低秩稀疏分解和多帧去卷积的图像复原算法。首先分析大气湍流下图像序列的退化特征,然后在低秩稀疏分解的思想下,采用非增广拉格朗日乘子(IALM)法优化由低秩矩阵的核范数和稀疏矩阵的Frobenius范数之和构成的目标函数,将湍流退化序列分解为低秩稳像和稀疏湍流两部分;最后利用多帧去卷积算法复原对齐的稳像。实验结果表明,本文算法能够有效校正湍流像素偏移,在提高复原质量和速度方面取得了明显的效果。