一种基于稀疏正则化的图像去噪方法.pdf
是秋****写意
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于稀疏正则化的图像去噪方法.pdf
本发明涉及一种基于稀疏正则化的图像去噪方法。其充分利用图像的梯度信息以及非局部自相似构建稀疏正则化去噪模型,并采用迭代直方图规范化算法求解该模型。在求解的过程中,首先将图像进行分块,其次根据结构相似程度将这些图像块分簇,最后对于每一个给定的图像块,使用稀疏K-SVD字典进行训练。一方面改善了字典的结构性,另一方面训练得到的过完备字典能更好地对图像块进行稀疏表示。本发明能有效对图像进行去噪,对图像纹理结构的保留能力更强,得到的图像视觉效果更佳,并进一步降低了计算复杂度,提高了运算速度。
一种基于稀疏正则化约束的盲解卷积信号重构方法.pdf
一种基于稀疏正则化约束的盲解卷积信号重构方法,本发明涉及基于稀疏正则化约束的盲解卷积信号重构方法。本发明的目的是为了解决现有稀疏盲解卷积信号重构方法对观测点需求多、信号重构准确率低、误差大的问题。过程为:1、设置<base:Imagehe=@77@wi=@137@file=@DDA0003642931690000011.JPG@imgContent=@drawing@imgFormat=@JPEG@orientation=@portrait@inline=@yes@/>的初始值;2、定义损失函数,迭代<b
一种基于柯西正则化的阵列三维SAR稀疏成像方法.pdf
本发明提出了一种基于柯西正则化的阵列三维SAR稀疏成像方法。首先,它利用阵列三维SAR获取被测的目标场景回波数据矩阵;采用脉冲压缩和频率升采样技术完成信号的初步处理;使用三维BP算法得到三维初始图像;然后利用基于柯西正则化项的近端求解算子实现三维增强成像,最终获得目标场景三维稀疏成像结果。与传统基于匹配滤波的成像方法相比,本发明方法能够提高分辨率、抑制杂波与噪声,提高成像质量,与传统基于L<base:Sub>1</base:Sub>范数正则化项的稀疏成像方法相比,本发明方法能够在提高图像质量的同时,更好得
一种基于稀疏分解的重加权分步正则化轴承故障诊断方法.pdf
一种基于稀疏分解的重加权分步正则化轴承故障诊断方法,涉及轴承故障诊断。包括以下步骤:1)建立稀疏分解问题模型:通过引入合适的罚函数替代0范数,借助正则化,转化为无约束的最优化问题;2)构造替代函数,使替代函数具备与目标函数相近的最优解;3)优化替代函数,通过迭代构造和缩减替代函数,时间索引参数逐渐收敛至实际冲击发生的位置,稀疏系数也逐渐逼近真实值;4)更新正则化参数和剔除冗余原子,当收敛误差小于设定的收敛阈值时,结束迭代,完成重加权分步正则化轴承故障诊断。能够兼具强稀疏促进能力和高拟合精度,具有更高的信号
一种基于L1范数正则化的稀疏SAR自聚焦成像方法及装置.pdf
本发明公开了一种基于L<base:Sub>1</base:Sub>范数正则化的稀疏合成孔径雷达自聚焦成像方法及装置,首先,基于采集的有相位误差的回波数据,构建稀疏SAR自聚焦成像模型;其次,用相位校正矢量校正后的回波数据重构相位信息保留的稀疏SAR图像;然后,根据稀疏SAR自聚焦成像模型估计相位校正矢量校正后的回波数据中仍需补偿的相位校正矢量;最后,更新相位校正矢量,以上步骤不断迭代,直至相位误差校正矢量的变化可以忽略不计。本发明能够有效补偿相位误差,获得聚焦的、相位信息保留的稀疏SAR图像。