为了提升光斑质心定位精度,提出了一种基于改进低秩稀疏分解(Low-rank and sparse decomposition,LRSD)的图像降噪方法。以增强LRSD降噪能力为目标,在加权核范数最小化(Weighted nuclear norm minimization,WNNM)模型基础上引入全变差(R...为了提升光斑质心定位精度,提出了一种基于改进低秩稀疏分解(Low-rank and sparse decomposition,LRSD)的图像降噪方法。以增强LRSD降噪能力为目标,在加权核范数最小化(Weighted nuclear norm minimization,WNNM)模型基础上引入全变差(Relative total variation,RTV)范数构建了RTV-WNNM模型,并采用交替方向乘数法(Alternating direction multiplier method,ADMM)对该凸问题进行求解;以增强LRSD细节保持能力为目标,分别引入免疫扰动和退火策略改进了粒子群优化算法(Particle swarm optimization,PSO),并用于LRSD低秩奇异值阈值自适应选取,从而形成一种兼顾噪声去除与局部维系的图像降噪融合算法。仿真和试验结果表明,提出的方法相比于非局部均值滤波(Non-local mean filtering,NLMF)、BM3D等当前主流算法具有更好的降噪效果,显著地提升了含噪光斑图像质心定位精度。展开更多
针对视频处理中运动目标的精确检测这一问题,提出了一种自适应的低秩稀疏分解算法。该算法首先用背景模型与待求解的帧向量构建增广矩阵,然后使用鲁棒的主成分分析(robust principal component analysis,RPCA)对降维后的增广矩阵进行低...针对视频处理中运动目标的精确检测这一问题,提出了一种自适应的低秩稀疏分解算法。该算法首先用背景模型与待求解的帧向量构建增广矩阵,然后使用鲁棒的主成分分析(robust principal component analysis,RPCA)对降维后的增广矩阵进行低秩稀疏分解,分离出的低秩部分和稀疏噪声分别对应于视频帧的背景和运动前景,然后使用增量奇异值分解方法用当前得到的背景向量更新背景模型。实验结果表明,该算法能更好地处理光线变化、背景运动等复杂场景,并有效降低算法的延迟和内存的占用。展开更多
文摘为了提升光斑质心定位精度,提出了一种基于改进低秩稀疏分解(Low-rank and sparse decomposition,LRSD)的图像降噪方法。以增强LRSD降噪能力为目标,在加权核范数最小化(Weighted nuclear norm minimization,WNNM)模型基础上引入全变差(Relative total variation,RTV)范数构建了RTV-WNNM模型,并采用交替方向乘数法(Alternating direction multiplier method,ADMM)对该凸问题进行求解;以增强LRSD细节保持能力为目标,分别引入免疫扰动和退火策略改进了粒子群优化算法(Particle swarm optimization,PSO),并用于LRSD低秩奇异值阈值自适应选取,从而形成一种兼顾噪声去除与局部维系的图像降噪融合算法。仿真和试验结果表明,提出的方法相比于非局部均值滤波(Non-local mean filtering,NLMF)、BM3D等当前主流算法具有更好的降噪效果,显著地提升了含噪光斑图像质心定位精度。
文摘针对视频处理中运动目标的精确检测这一问题,提出了一种自适应的低秩稀疏分解算法。该算法首先用背景模型与待求解的帧向量构建增广矩阵,然后使用鲁棒的主成分分析(robust principal component analysis,RPCA)对降维后的增广矩阵进行低秩稀疏分解,分离出的低秩部分和稀疏噪声分别对应于视频帧的背景和运动前景,然后使用增量奇异值分解方法用当前得到的背景向量更新背景模型。实验结果表明,该算法能更好地处理光线变化、背景运动等复杂场景,并有效降低算法的延迟和内存的占用。
文摘针对探地雷达应用于地雷探测时的强杂波干扰问题,提出一种基于低秩稀疏分解的杂波抑制方法。该方法将加权核范数(weighted nuclear norm,WNN)引入稳健主成分分析(robust principle component analysis,RPCA)方法,结合随机奇异值分解(randomized singular value decomposition,RSVD)与交替方向乘子(alternating direction method of multipliers,ADMM)法来求解表征杂波的低秩矩阵及表征目标的稀疏成分,提高了算法的精度与效率。从实验结果来看,所提方法能够有效改善成像结果的信杂比,且运算效率优于RPCA方法5倍以上,表明该方法能精确划分目标与杂波,有效实现杂波抑制。
