全变差

摘要： 针对气枪主动源信号的特点,构建了一种基于曲波域的压缩感知降噪方法,并将其应用于气枪主动源信号处理。介绍了将新发展的压缩感知理论与曲波域全变差技术相结合的降噪方法的原理和处理流程。通过数值模拟,将该方法与传统方法的处理效果进行了对比评价,降噪后的波速测量结果与模拟信号基本一致。将该方法应用到实际的气枪主动源的数据处理中。结果表明:该方法在去除随机噪声的同时,也压制了相干干扰现象。

摘要： 器件内部的热耗散系数信息反映了内部器件的工作状况。但是受客观条件的限制,内部的热耗散系数信息无法直接测量,因此需要通过可测量的间接信息,识别内部耗散系数信息,从而实时监测发热器件的工作状况。上述问题数学上可描述为,利用可测量信息,探求内部热耗散系数的不确定信息,进而给出器件工作的指导建议。基于上述原因,考虑在随机噪音模型下,利用可测边界的不确定性信息,识别内部阻尼系数(热耗散系数)。这是一个非线性的热传导反问题,故基于扩展Kalman滤波、全变差,设计反演算法识别热耗散系数。数值实验表明该算法可有效地识别边界阻尼系数。

摘要： 高光谱图像解混是高光谱图像应用的一项重要任务,包括了对端元的提取和丰度的估计。基于非负张量分解的光谱解混方法能很好地保留高光谱图像的空间结构信息,但是却没有很好地利用丰度张量的分段光滑性约束,同时噪声的存在也严重影响了高光谱图像的解混性能。针对上述问题,全变差Cauchy非负张量分解(Total Variation Cauchy Nonnegative Tensor Factorization,TV-CNTF)方法被提出用于高光谱图像解混。该方法利用Cauchy损失来代替传统的最小二乘损失,通过减小噪声点在解混模型中的权重,来降低噪声对解混结果的影响,同时在模型中加入了全变差算子,保证了丰度张量的分段平滑结构。此外,采用交替方向乘子法求解所提出的TV-CNTF。经过模拟和真实数据实验,同现有的其他方法相比,TV-CNTF方法的解混效果和鲁棒性都更好。

摘要： 受Dirichlet级数的增长性研究的一个重要等式启发,把相应结果推广到多重Laplace-Stieltjes变换,并得到一个形式优美的等式,类似于内积空间中的Parseval等式.

摘要： Jin等(2014)提出的基于局部方差最大化和局部亮度保持的变分去色模型(Jin模型),在彩色图像灰度化过程中能较好地保持图像的对比度和亮度等信息.然而,Jin模型原有的算法仅部分利用了图像的局部方差和亮度信息,使得该灰度化算法在处理结构纹理丰富的彩色图像时,容易丢失图像中的一些细节特征.针对这一缺陷,文中提出基于原始对偶(Primal-Dual)方法的图像去色算法数值求解Jin模型.该算法在求解过程中,完整利用了彩色图像各通道间的局部协方差信息和局部亮度信息.进一步,给出了所提算法的收敛性结果.最后,数值实验结果验证了所提算法的可行性与有效性.

摘要： 针对曲波变换算法在医学影像图像去噪中会产生截断伪影和边缘模糊等问题,提出了一种全变差曲波变换算法.该算法首先对含噪医学影像图像分别进行曲波阈值和全变差去噪,然后将得到的去噪结果进行曲波逆变换并生成最终图像.仿真实验结果表明,该算法不仅可有效地降低噪声,还可较好地保持医学影像图像边缘和细节信息,其效果明显优于曲波变换算法和全变差算法.因此,该算法对医学影像图像的噪声滤除具有良好的应用价值.

摘要： 图像分解是将图像的不同组成部分利用分解算法分别提取出来,而全变差方法是基于PDE方法进行图像处理问题的一种数学方法.在Meyer等思想的影响下,对现有基于BV(Ω)空间的全变差(TV)正则项进行分析研究后,提出了一种L1(Ω)空间上的改进的全变差正则模型.在改进的TV方法基础上,首先分别推荐了改进的TV-G和TV-H-1图像分解极小泛函模型;然后给出了相应的欧拉-拉格朗日方程以及对应的数值解;最后,对3类测试图像,包括纹理类图像、航空类图像、杂类图像分别进行了图像分解数值实验,同时也进行了信噪比和时间效率的对比分析.实验结果表明:改进的TV-H-1模型在针对纹理类图像分解时,分解效果优于TV-H-1模型,而改进的TV-G模型在针对上述3类图像分解时,大部分图像分解效果优于TV-G模型.

摘要： 多通道电阻抗成像是一种可实现生理体征长期动态监测的低成本技术,常用的封闭式电阻抗成像需将电极均匀分布在被测对象周围,但在实际应用中有一定的局限性,如被测病人因腹部挤压造成腹腔内出血,而无法移动病人在其腹部周围完整均匀地布置电极,以及在临床监护中,病人背部放置电极导致不舒适等缺点.针对此问题,提出一种开放式的测量方式,在被测对象一侧放置电极,并利用全变差-原对偶内点法进行图像重构.仿真结果表明:当目标靠近电极一侧时,开放式与封闭式电阻抗成像均有较好的分辨率和定位准确度,在双目标时,开放式测量依然有很好的分辨率和清晰度.

摘要： 本发明提供了一种各向异性多方向全变差图像去噪方法和装置。该方法的步骤包括建立多方向的各向异性全变差模型，对待去噪的原始图像进行正则化运算(横向差分，纵向差分以及对角线等多方向差分运算)；基于优化迭代算法对上述建立的各向异性多方向全变差模型进行求解，获得去噪后的图像。本发明首次对全变差模型加入对角线方向的全变差差分运算来进行图像去噪，对图像的斜向等信息进行了有效的优化处理；能够有效去除噪声的影响，同时有效保持图像的边缘特征信息，为后续处理提供了良好的图像质量。

摘要： 本发明提供一种核范数与广义全变差联合约束的地震随机噪声压制方法，包括(1)输入三维地震数据体；(2)构建目标函数；(3)采用分裂Bergman迭代策略，将目标函数分解为两个子问题；(4)采用奇异值软阈值化算法求解子问题一，求取辅助变量矩阵；(5)采用梯度投影算法求解子问题二，求取地震数据矩阵；(6)判断Bergman迭代是否停止，若停止迭代，输出地震数据矩阵；(7)将整个地震数据体计算完毕，得到最终的压噪后地震数据体。本发明将图像处理中的广义全变差约束、矩阵分析中的核范数约束、最优化理论的分裂Bergman迭代有机结合，适用于地震数据随机噪声压制处理等，有效提高地震资料的信噪比与保真度。

摘要： 本发明为解决基于固定权重的变分融合方法存在易丢失诸如对比度、纹理等细节特征的问题，提出了一种自适应权重的全变差图像融合方法，属于图像处理的技术领域。通过Legendre‑Fenchel变换将本发明模型转换为鞍点问题，进而在原始对偶算法框架下数值求解该模型，并对融合模型利用MATLAB进行仿真实验，得到融合图像，用峰值信噪比、结构相似度、交叉熵作为评价指标，其中峰值信噪比和结构相似度的数值与图像融合效果成正比，为值越大，图像融合效果越好，而交叉熵为值越小，图像融合效果越好。本发明能最大限度地保留输入图像的细节信息和亮度信息，与其他方法相比较，得到更为精确的融合结果。

摘要： 本发明公开了一种基于耦合自然矢量全变差的保边缘图像着色方法，包括如下步骤：对于一幅RGB颜色空间下的彩色图像，在该图像上画上黑色线条，得到图像1；采用MATLAB将图像1转化为带彩色线条的灰度图像2；将图像2转变为YCbCr颜色空间上的图像3，得到在区域Ω上的亮度信息和在人工着色区域上的色度信息；建立基于变分的着色模型，利用原始对偶算法求解区域Ω中的色度信息；获取YCbCr颜色空间中的图像4；将图像4转变为RGB颜色空间内的图像5；对图像5进行评价得到其数值结果。本发明在处理多通道图像时可以在各个通道之间仅产生一个共同的边缘方向，从而可以更有效的保留图像边缘，防止颜色越界和颜色模糊。

摘要： 本发明涉及一种基于相对极化全变差的极化SAR影像相干斑抑制方法，通过对极化SAR影像的极化相干矩阵分离为主对角线元素和非对角线元素，应用窗口卷积局部全变差和全局全变差更新主对角线元素，由原非对角线元素和更新后的主对角线元素重构极化相干矩阵，利用相邻像元上的极化相干矩阵比值和更新前后的极化相干矩阵距离，获得须保留极化特征的像元位置。本发明仅对不属于上述像元位置的极化相干矩阵的主对角线元素进行相干斑抑制，解决了现有极化SAR相干斑抑制中不能很好地将极化SAR影像的结构信息和散射特性两者相结合进行相干斑抑制的问题，使得极化SAR的相干斑抑制在结构信息和散射特性两方面都得到保持。

摘要： 本发明提出了一种基于空间自适应全变差的CS迭代阈值图像去噪重建方法，步骤为：初始化重建图像和初始含噪观测值；对获得的重建图像进行迭代更新获得估计值；基于优化阈值软阈值算子进行轮廓波变换获得去噪估计值轮廓波稀疏系数；将获得的去噪估计值轮廓波稀疏系数输入到基于空间自适应全变差CS重建模型中获得重建图像轮廓波系数；使用基于轮廓波维纳滤波算子进行滤波获得重建图像轮廓波系数；将重建图像轮廓波系数进行轮廓波逆变换获得重建图像。本发明采用基于优化阈值软阈值算子的轮廓波变换进行稀疏变换，不仅能够将图像数据与噪声信息进行有效分离，同时能够有效去除隐藏在图像各层中的噪声信息获得高质量的图像稀疏系数，提高了去噪重建能力。

摘要： 本发明属于雷达成像技术领域，公开了一种基于稀疏和广义全变差联合正则化的SAR成像方法及系统，基于稀疏和广义全变差联合正则化的SAR成像方法包括：根据地面场景与回波数据的采样率，依靠观测平台与成像场景的几何关系，建立回波生成模型；根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵；根据成像观测矩阵，建立稀疏和全变差联合正则化的多平台星座SAR成像模型，得到最终SAR成像结果。本发明提供了一种基于稀疏和广义全变差联合正则化的SAR成像方法，通过保持边缘尖锐、抑制相干斑，有效提高了成像质量。

摘要： 本公开提供了一种基于非凸‑非局部全变差正则化的稀疏SAR成像方法，包括：在稀疏SAR成像模型中引入非凸惩罚项和非局部全变差范数惩罚项，构建基于非凸‑非局部全变差正则化的稀疏SAR成像模型；利用改进的变量分离及交替方向乘子法求解基于非凸‑非局部全变差正则化的稀疏SAR成像模型，完成SAR成像。本公开还提供了一种基于非凸‑非局部全变差正则化的稀疏SAR成像系统、电子设备、存储介质及计算机程序产品。

摘要： 基于全变差低秩张量分解的高光谱图像异常目标检测方法，属于高光谱遥感图像异常目标检测技术领域。本发明为了解决目前的异常检测方法存在无法很好地分离背景和异常的问题。本发明采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分；然后利用l2,1范数和域变换递归滤波器，对混合信息部分进行异常检测；并利用协同表示检测器提取嵌入低秩背景数据部分的异常信息；融合低秩数据和混合信息部分的初始检测结果，得到最终的检测结果。主要用于高光谱图像的异常目标检测。

摘要： 本发明涉及织物检测技术领域，尤其涉及基于瑕疵先验与全变差正则项的低秩分解的织物检测方法，包括：运用自编码器对正常图像进行训练得到正常纹理的特征；将待检测图像与自编码器重构的图像进行SSIM的显著性分割，得到瑕疵先验；将待检测图像和瑕疵先验输入PTVRPCA模型，得到瑕疵图像；通过阈值分割算法得到最后的检测结果。本发明解决现有纺织品瑕疵检测算法中预期缺陷的重建损失太小而无法很好地分割瑕疵，当缺陷与缺陷相似时，检测效果不理想。