基于加权L1范数最小化算法的地震数据重建方法研究

在地震勘探过程中,往往会因为某些不可抗拒的因素而造成地震数据不规则缺失,这将严重影响后续工作的处理,因此需要对缺失的地震数据进行重建。依据地震数据有效波具有连续性的特点,可采用加权L1范数最小化算法对缺失数据进行重建。实验结果表明:加权L1范数最小化算法具有重建精度高,抗噪声能力强的特点,对于工业生产极具应用价值。

基于快速l_1算法和LBP算法的木材缺陷识别

快速l1最小化算法是一种关于求解稀疏矩阵的算法,相对于传统的主成分分析l2范数,l1范数只需要计算图像主要特征的稀疏矩阵,对噪声和异常项具有更好的鲁棒性,且在木材识别领域使用较少。局部二元模式(Local binary pattern,LBP)是一种描述灰度范围纹理的算法,对于图像特征的描述有显著的效果。本文利用LBP提取不同木材截面RGB图像三层纹理的特征,用l1算法对特征矩阵进行快速、准确的匹配,检测出是否有缺陷,同时通过图像分块定位缺陷的位置坐标。实验表明快速l1算法结合LBP算子对木材缺陷定位正确率达到0.931。

基于l_q最小化算法的稀疏信号分离

稀疏分解寻求从完备的(过完备)函数(基)集合中得到信号最稀疏的表示,即用尽可能少的基精确地表示原信号,从而获得信号的内在本质特性。通过l1最小化算法可以将稀疏信号表示为过完备集下一组基的线性组合,但得到的解通常并不是最稀疏的,在此提出了利用lq(0<q≤1)最小化算法对稀疏信号进行分离,通过试验证明了此方法能够更准确的分离出源信号,同时讨论了参数的选取对试验结果的影响。

基于随机滤波器采样信号的重构算法的研究

为了提高压缩感知中随机滤波器采样信号的重构性能,该文采用L1最小化重构算法对压缩信号进行重构。通过数值试验表明,对于随机滤波器采样的信号,L1最小化重构算法的重构效果优于正交匹配追踪算法的重构效果。