稀疏表达

摘要： 针对高光谱影像空谱信息利用问题,设计了一种融合空间信息的稀疏表达分类方法,以提高高光谱影像的分类精度。首先,在特征提取阶段引入空间信息,采用形态学滤波的方法提取高光谱影像的形态学属性剖面特征;然后,采用训练样本构成的字典对提取到的空间特征进行稀疏编码,在编码过程中进一步引入空间邻域信息来提高稀疏编码效果;最后,根据测试样本的稀疏编码向量计算其相对于每个类别的重构误差,并将该样本划分到重构误差最小的类别中完成分类。为了验证该方法的有效性,在Pavia大学和Indian pines 2组高光谱数据集上进行分类实验。实验结果表明,该方法充分利用了高光谱影像的空间邻域信息,能够有效提高高光谱影像的分类精度。

摘要： 滑坡灾害易发性研究在滑坡灾害风险管理与城市规划等方面具有非常重要的现实意义。以滑坡灾害发育较多的三峡库区万州区部分区域为研究区,基于指标因素状态分级和因素相关性分析结果,选取高程、坡度、坡向等10项影响因素作为评价因子,以128个滑坡灾害点为样本数据,在深入分析和讨论当下机器学习模型在小范围区域易发性评价的不足与局限后,提出一种基于稀疏表达重构误差的滑坡易发性评价方法,通过重构误差来衡量某一像元与滑坡特征模式的相似程度,借此进行滑坡易发性的评价,并采取快速聚类法对所得到的易发性结果进行分级。再从统计分析、ROC曲线、制图结果等方面对该模型同常用的信息量模型以及机器学习的BP神经网络模型进行比较与评价。实验结果表明,稀疏表达重构误差模型的AUC高达0.8343,OA和Kappa系数为78.1%和0.562,均优于信息量模型和BP神经网络模型,模型稳定性较好,制图结果与实际更为吻合,具有良好的滑坡预测性能。

摘要： 智能无人系统的视觉模块设计与研发,是国际前沿课题之一。利用仿生模拟技术,武汉大学遥感信息工程学院教授高智提出了一套与立体视觉差别非常大、更具备动物仿生的视觉技术框架,从而帮助智能无人系统实现快速有效处理视觉信息,并原创性地提出了块状稀疏鲁棒主成分分析、自适应稀疏表达、同步超分与检测的深度卷积网络等算法。

摘要： 传统水下声呐系统通常采用增大阵列孔径,增加阵元数目来实现角度高分辨,这势必会导致系统复杂、成本高.鉴于大棕蝙蝠利用简单构架的系统获得了令人惊讶的高分辨能力,本文提出了一种仿生目标定位方法.基于多谐波发射、双随机阵接收的仿生体制构建了距离-方位联合字典,进而分析了字典的相干特性并估计了目标的距离和方位角,最后完成了实验验证.结果表明,基于稀疏表达的仿生距离-方位联合估计能够在回波高混叠条件下实现高精度目标定位.

摘要： 研究了利用发动机缸体振动信号进行爆震检测和强度评价的方法,提出了一种基于广义正交匹配追踪的改进K-均值奇异值分解(K-means singular value decomposition,简称K-SVD)信号处理方法,将稀疏表达理论引入了发动机爆震特征识别领域.首先,对缸体振动信号进行稀疏分解,得到涵盖爆震特征的稀疏字典以及针对单个信号的稀疏系数;然后,计算重构信号的四阶累积量的自然对数,提出了一种爆震强度评价指标.计算结果表明,该方法对于混有强烈背景噪声的缸体振动信号表现出了良好的降噪和特征提取能力,且提高了运算效率,能够准确区分强烈爆震、轻微爆震和正常燃烧3种状态,证明了该方法在发动机爆震识别领域的应用价值.

摘要： 针对传统标记分布学习算法借助标记的全局相关性信息,忽略仅存于部分样本范围内标记局部相关性的问题,提出了一种基于样本稀疏表达的标记分布学习算法.借助样本点的自表达性质,建立稀疏表达优化模型,挖掘样本局部相关性信息.通过设计的标记分布目标函数约束,将得到的稀疏系数引入标记空间中,并将其作为隐含的标记空间局部相关性预测值,帮助标记分布模型的训练.使用交替方向乘子法求解样本稀疏系数,使用有限内存拟牛顿法求解标记分布目标函数,通过最大熵模型生成实例的标记分布预测值.在11个真实数据集上进行实验,并与7个现有标记分布学习算法进行对比.结果 表明:所提算法在不同评价指标下的55次对比实验中取得了1.52的平均排名;面部表情数据集SBU-3DFE上,以相对熵衡量的表情判别准确度较标记分布学习问题转换算法PT-SVM、适应性算法AA-kNN及专用算法LDLLC的分别提高了3.10％、2.53％、2.48％;与传统标记分布学习算法相比,所提算法能够有效挖掘并利用标记局部相关性,具有良好的标记分布预测精度,且在不同类型的真实数据集上均能表现稳定.

摘要： 生物识别技术能够利用人体的一些生理特性进行身份验证,具有更好的安全性和便捷性.本文以手指静脉图像中的手指静脉图像分割为研究案例,提出了基于稀疏表达和水平集的手指静脉图像分割方法,该方法通过实验证明其有效性.本文的研究为提升手指生物特征识别系统的性能奠定了一定基础.

摘要： 主要利用稀疏表达分类器的相关理论,推导出稀疏表达分类器的相关解法,对基于稀疏表达分类器建立的红绿灯识别系统进行试验验证。试验结果表明,该方法识别效果较好。

摘要： 简要介绍了稀疏表达算法，阐述了ROMP的改进算法——BtROMP算法,分别论述了基于稀琉表达的遥感影像融合方法和基于稀疏表达的天文数据压缩方法。

摘要： 近年来,稀疏表达方法在音频信号识别中的应用越来越多.对信号进行时频分析时,传统的短时傅里叶变换需要进行时频折中,而利用过完备词典的稀疏表达则具有更高的时频灵活性,有利于提取更有效的信号特征.本文利用消声室中录制的平板冲击声,基于信号的稀疏表达特征进行声源材料识别,并与音色特征的识别结果进行比较.研究结果表明:稀疏表达特征比音色特征具有较好的识别效果,尤其在较低信噪比条件下,稀疏表达特征要比音色特征对噪声干扰具有更高的鲁棒性.

摘要： 由于传感器空间分辨率的限制以及地物分布的复杂多样,遥感影像上存在着大量混合像元.混合像元问题严重影响了遥感对地观测技术向定量化的发展.传统的混合像元分解技术可以通过建立光谱分析模型,获取组成混合像元的物质成分及其丰度含量,实现有效的影像数据分析,但是却无法准确获取各地物端元在混合像元中亚像元级别的具体空间位置.而亚像元制图技术是研究确定地物在亚像元中具体分布情况、真正实现遥感影像处理从像元级深入到亚像元级的前沿关键技术。本文利用稀疏表达理论基本思想，从亚像元构成的空间模式考虑混合像元中不同亚像元的可能分布情况，利用成熟、稳健的离散余弦变换字典作为亚像元空间模式稀疏表达的基本模式集合，并纳入全变分空间正则化模型，提出了一种联合稀疏表达理论及全变分空间正则化模型的亚像元制图方法。对比于经典的亚像元制图方法以及最新提出的纳入空间正则化模型的亚像元制图方法，无论是目视评价还是定量精度，本文方法均获得了最好的制图结果。

摘要： 多源遥感图像融合可以将同一场景不同来源的遥感影像融合在一起,利用它们在信息上的互补性和空间上的相关性,达到提高图像空间分辨率、突出目标特征、优化分类精度和动态监测的目的.合成孔径雷达(SAR)由于其特有的全天时、全天候成像及对一些地物的穿透能力,可以很好地与光学传感器进行互补,对于提高遥感解译和信息提取的精度和效率具有重大的意义.稀疏表示是最近几年信号处理领域的热点之一,并且已经在图像处理和分析领域有了广泛的应用.本文提出了一种基于稀疏表达的SAR和光学影像融合方法.将待融合的多光谱影像进行ⅢS变换得到Ⅰ分量,对Ⅰ分量和SAR影像分别进行稀疏表达得到稀疏系数,然后对稀疏系数进行融合,结合过完备字典得到融合后的Ⅰ分量,最后进行ⅢS逆变换得到融合后的多光谱影像.其中,本文使用SOMP算法求解稀疏系数,以确保不同来源的影像是由相同的字典原子组所表达的.实验表明,无论是从目视效果还是定量指标来评价,本文的方法都要优于传统的融合方法.

摘要： 研究了针对文档图像或者图形图像的去噪算法.传统二值化文档图像去噪算法无法满足识别准确性的需要的缺陷,利用文档图像或者图形图像中的线段方向信息,提出了一种利用曲线波变换和基追踪去噪算法相结合的图像去噪算法.首先进行曲线波变化,从而得到一个噪声图像的稀疏表达,然后利用基追踪去噪算法得到一个对无噪声图像的最优估计.在最优化计算过程中引入了对图像噪声的估计,从而能获得更好的图形去噪效果.实验显示改进的方法能较传统方法能够提供更好的去噪结果.能为图形处理提供良好的输入图像,可被图形识别和处理系统广泛应用.

摘要： 随着运动数据越来越多的被应用于动画制作和科研领域,高效的运动数据压缩技术也逐渐成为一个热门的研究课题.本文基于稀疏表达,提出了一种新的运动数据有损压缩方法.其基本思路为:先对输入的运动数据进行分析生成稀疏表达字典;然后基于稀疏表达字典对运动数据中的每一帧进行稀疏线性表达;最后用K-SVD算法对字典和稀疏表示进行迭代优化.实验表明,本文提出的方法在将重建误差控制在合理范围的前提下,可以达到较高的压缩比,特别适用于对较短运动数据的压缩.

摘要： 研究表明,即使在密集杂波的环境中,蝙蝠能发射调频脉冲信号对猎物进行准确的定位和识别.一直以来,J.Simmons等人试图通过谱相关及谱变换(SCAT)模型及其改进来解释如何从回波中构建环境及目标的图像.但对多于3个密集亮点的情形时,SCAT及改进方法无法分辨.B.Fontaine等提出了一种基于距离字典稀疏表达的成像方法,可在距离维上实现多个目标亮点的成像.本文提出了一种基于距离-方位波形字典的方法,尝试利用仿生声呐系统实现真实环境回波的亮点处理与分析.

摘要： 在自然界中存在的真实信号更多的是表现为在某一个变换域下的近似稀疏,因此,基于压缩感知原理,本文研究了一种SAR图像的去噪方法.首先对基于压缩感知原理的一般图像去噪的原理与步骤进行说明;然后结合SAR图像噪声的自身乘性特点将字典学习引入求解稀疏表示部分;最终利用正交匹配追踪算法对图像进行重构,从而得到去噪后的图像.通过实验分析,与不同的去噪方法进行比较,各个方面均表明该方法是一种较为有效的SAR图像去噪方法.

摘要： 在自然界中存在的真实信号更多的是表现为在某一个变换域下的近似稀疏,因此,基于压缩感知原理,本文研究了一种SAR图像的去噪方法.首先对基于压缩感知原理的一般图像去噪的原理与步骤进行说明;然后结合SAR图像噪声的自身乘性特点将字典学习引入求解稀疏表示部分;最终利用正交匹配追踪算法对图像进行重构,从而得到去噪后的图像.通过实验分析,与不同的去噪方法进行比较,各个方面均表明该方法是一种较为有效的SAR图像去噪方法.

摘要： 在自然界中存在的真实信号更多的是表现为在某一个变换域下的近似稀疏,因此,基于压缩感知原理,本文研究了一种SAR图像的去噪方法.首先对基于压缩感知原理的一般图像去噪的原理与步骤进行说明;然后结合SAR图像噪声的自身乘性特点将字典学习引入求解稀疏表示部分;最终利用正交匹配追踪算法对图像进行重构,从而得到去噪后的图像.通过实验分析,与不同的去噪方法进行比较,各个方面均表明该方法是一种较为有效的SAR图像去噪方法.

摘要： 本发明涉及生物信息学中的数据挖掘领域，具体涉及一种基于异构图卷积神经网络的合成致死相互作用预测方法。其发明内容主要包括：(1)收集乳腺癌FPKMRNA‑seq信息、乳腺癌的CNV数据、乳腺癌高置信度风险基因信息；(2)进行基于秩的方法对乳腺癌拷贝数变异(CNV)和mRNA数据进行预处理；(3)建立基于蛋白质相互作用知识和信号通路的基因‑基因相互作用网络，利用网络聚类算法生成高密度子网络；(4)构建基于群稀疏学习模型来描述子网与目标基因的mRNA表达之间的关联关系，使用均方根误差(RMSE)衡量CNVs预测目标基因表达变化的能力，采用k‑fold折交叉验证算法进行交叉验证，使用Speraman相关研究方法，并结合通路富集分析对基因表达与CNV进行相关性分析。

摘要： 本发明公开了一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法。所述方法包括如下步骤：获取待检测图像的远邻域颜色描述特征；对所述远邻域颜色描述特征进行修正获取修正后的远邻域颜色描述特征；根据所述修正后的远邻域颜色描述特征建立高斯混合模型；根据所述高斯混合模型获取待检测水果的缺陷位置。该方法以图像块为基础，通过考虑图像块与远邻域区域的差异性、与邻域区域的相似性及图像块自身颜色的数量、空间分布情况完成检测。本发明方法属于无监督学习方法，以分类方式输出检测结果，可完成多类型、多数量类圆形水果缺陷检测任务。

摘要： 本发明涉及一种基于小波变换和稀疏表达的脑电信号分类系统及方法，该方法的具体步骤包括：在字典学习模块内对运动想象脑电信号的字典学习：将脑机接口系统采集的已知运动想象脑电信号作为学习数据进行特征提取、字典学习和类别直方图计算，得到学习字典及学习数据的类别直方图，并传输至所述类别识别模块。在类别识别模块内对运动想象脑电信号的类别识别：将未知运动想象脑电信号作为分类数据进行特征提取，利用训练模块中的学习字典得到分类数据的稀疏表达，计算分类数据的类别直方图，并根据学习数据的类别直方图与分类数据的类别直方图的对比结果进行分类数据的类别识别分类。所述特征提取包括信号预处理、小波变换和特征向量建立。

摘要： 本发明涉及一种基于多目标优化算法和稀疏表达的遥感影像亚像元制图方法。本发明结合多目标优化理论，将亚像元制图问题转化为对数据保真项、稀疏约束项、空间先验项的多目标优化问题，在稀疏约束项上直接使用非凸的L0范数建模，并构建基于亚像元集群块的亚像元空间分布模式字典，实现亚像元级空间先验建模。然后利用多目标优化算法强大的寻优能力来同时优化三个目标项，求解使该模型达到最优的一组解。本发明能够解决现有的稀疏亚像元制图方法中L1范数稀疏性建模不精确问题，以及最优权重参数选取困难问题。本发明可以有效提高亚像元制图的适用性和精度。

摘要： 本发明公开了一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法，包括：利用退化图像和初始清晰图像对模糊核的约束与梯度算子正则化来估计模糊核，得到模糊核的估计；利用模糊核的估计和字典D对初始清晰图像的约束来估计初始清晰图像，得到清晰图像估计；采用距离加权的稀疏表达算法，得到清晰图像估计在字典集中的稀疏表达系数向量估计；对上述步骤进行A次迭代，得到目标图像和目标图像在参考图像中的初始定位；缩小参考图像的范围后利用上述方法得到目标图像的复原图像和定位结果。本发明有效解决了现有模糊图像复原与匹配方法中存在的对噪声敏感、较差的复原效果对匹配任务造成严重的影响等问题，适用于视觉导航系统。

摘要： 本发明公开了一种基于稀疏表达图的高光谱图像半监督分类方法，包括：根据高光谱图像的像元数据，得到类别概率矩阵，所述像元数据包括标记类别的像元数据和未标记类别的像元数据；利用类别概率矩阵和像元数据的空域信息构建正则项，根据正则项得到有约束的稀疏表达目标函数，利用稀疏表达目标函数得到相似性权值矩阵；根据相似性权值矩阵，利用标记传播得到高光谱图像的每个像元的类别。本发明有效解决了现有图构造方法中存在的对噪声敏感、需手动设置参数、判别性不够的问题，适用于少量标记类别下高光谱图像分类的应用场合。

摘要： 本发明涉及一种基于多域稀疏表达的电动客车高压负载系统故障诊断方法，属于电动客车高压负载系统级故障诊断领域。该方法分为诊断前准备和诊断过程，其中诊断前先对电动客车进行多次测试，获取电流响应信号并分别构造时域、频域及几何域下的字典矩阵；诊断过程中，先收集测试样本的电流响应信号，再用标记样本字典矩阵分别在时域、频域及几何域下稀疏表达电流响应信号，采用批量匹配追踪算法得到时域、频域及几何域下的稀疏向量，融合三种域下的稀疏向量，再对其处理并识别测试样本故障模式。本发明用于电动客车的高压负载系统故障诊断，及时发现和消除电动客车高压系统的潜在风险。

摘要： 本发明公开了一种基于信息增强与变步长稀疏表达的钢轨健康监测方法，首先基于奇异值分解算法改进了一种带有双层汉克尔(Hankerl)矩阵及能量补偿的伤损信息增强算法，将采集到的声发射信号中的非稳态信号与伤损信号分离；随后，利用残差内积的拐点，对SAMP算法的迭代步长进行自适应调整，提高对真实伤损信号的重构精度；最后，通过信号的短时能量对单位时间窗内信号的信息熵进行自适应加权，实现对钢轨结构健康状态的准确评价，利用构建的结构健康指数划分出三个钢轨的健康阶段。该方法能够实时准确的对监测钢轨的结构健康状态，并为钢轨的维护与更换提供数据支撑及理论指导。

摘要： 本发明公开了一种基于稀疏表达的图像处理方法、装置、终端及存储介质，方法包括：提供待处理图像，通过已训练的深度学习模型确定所述待处理图像对应的稀疏表达系数；根据所述稀疏表达系数和预设过完备字典获取所述待处理图像对应的目标特征；根据所述目标特征获取所述待处理图像对应的目标图像。本发明通过预先训练的深度学习模型预测待处理图像的稀疏表达系数，不需要通过迭代优化的方式进行稀疏表达系数的求解，降低了基于稀疏表达的图像处理中的计算量。

摘要： 本发明公开了一种基于自适应中值滤波和稀疏表达的快速病理检测方法，特点是建立过完备字典，识别待检测的病理切片组织的类别，完成检测过程；优点是利用自适应中值滤波器使得未受脉冲噪声污染的点不用修改，很好地保护了图像的点、线等细节及边界信息；当检测到的噪声很强时，自动增大窗口，提高了去噪能力；当检测到的噪声不是很强时，就不用增加窗口的大小，既体现出自适应性，又减少了时间开销，提高了速度；通过本发明的方法不但可以加快手术中对异常组织的检测速度，而且提高了检测结果的准确率。