检索结果-内蒙古大学图书馆

光学精密工程 2019年第3期27卷 718-725页

作者：朱福珍刘越黄鑫白鸿一巫红黑龙江大学电子工程学院黑龙江哈尔滨150080

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图... 详细信息

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。

关键词：图像超分辨稀疏表示字典学习

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示和标签传播的显著性检测算法

引用

计算机辅助设计与图形学学报 2017年第5期29卷 806-813页

作者：林晓吴侠宝蒋林华李鲁群马利庄上海理工大学光电信息与计算机工程学院上海200093 上海师范大学信息与机电工程学院上海200234 上海交通大学电子信息与电气工程学院上海200240

为了提高显著性检测的鲁棒性,增加全局信息和局部信息的联系,提出一种基于稀疏表示和标签传播的显著性检测算法.首先将复杂数据集进行简洁的表达,获得数据间更深层次的全局联系,并利用稀疏表示理论定义邻接矩阵,突破以往具有共同边界的... 详细信息

为了提高显著性检测的鲁棒性,增加全局信息和局部信息的联系,提出一种基于稀疏表示和标签传播的显著性检测算法.首先将复杂数据集进行简洁的表达,获得数据间更深层次的全局联系,并利用稀疏表示理论定义邻接矩阵,突破以往具有共同边界的限制,将处于同一子空间的数据点定义为邻居;其次利用图像中每个区域间的相似度计算权值矩阵并构建图模型,然后经过有效筛选部分边界区域获得背景标签;最后基于上述算法获得的图模型和背景标签,应用标签传播算法预测未标记区域的标签信息,获得最终的显著性图.在多个公开的显著性数据库上进行实验,验证了文中算法的有效性.

关键词：稀疏表示标签传播显著性邻接矩阵

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的谱线自动提取方法

引用

光谱学与光谱分析 2009年第7期29卷 2010-2013页

作者：赵瑞珍王飞罗阿理张彦霞北京交通大学信息科学研究所北京100044 中国科学院国家天文台北京100012

谱线提取在光谱分析中起着非常重要的作用,它对后续的光谱分类和参数测量有着直接的影响。文章提出了一种基于稀疏表示的谱线自动提取方法。首先,用基于稀疏表示的小波去噪方法去除噪声,该方法通过对光谱信号对应的小波系数进行稀疏化... 详细信息

谱线提取在光谱分析中起着非常重要的作用,它对后续的光谱分类和参数测量有着直接的影响。文章提出了一种基于稀疏表示的谱线自动提取方法。首先,用基于稀疏表示的小波去噪方法去除噪声,该方法通过对光谱信号对应的小波系数进行稀疏化处理来达到去噪的目的,其优点是在处理小波系数时虽然将其作为整体进行考虑,但依然能保持小波系数的局部特性不变,所以在去噪的同时很好地保持了特征谱线的信息。其次,利用小波变换与样条拟合相结合的方法拟合出较为满意的伪连续谱,该方法在拟合过程中,先将强谱线扣除掉,从而使得拟合结果非常接近真实的连续谱。最后,通过对归一化后的谱线光谱设置自适应局部阈值来提取特征谱线。实验结果表明该方法切实有效。

关键词：光谱分析稀疏表示去噪连续谱拟合谱线提取

来源：评论

学校读者我要写书评

暂无评论

基于优化最小算法的齿轮箱复合故障特征稀疏表示

引用

振动工程学报 2017年第6期30卷 1045-1055页

作者：石娟娟王林罗春艳蔡改改沈长青朱忠奎苏州大学城市轨道交通学院江苏苏州215131 苏州宝馨科技实业有限公司江苏苏州215000

复合故障信号中多种特征成分的有效分离是实现齿轮箱复合故障诊断的核心,也是难点。针对此,提出一种基于优化最小算法(Majorization-Minimization,MM)的稀疏表示方法,并将其应用于齿轮箱齿轮轴承复合故障特征成分的提取与分离。首先,根... 详细信息

复合故障信号中多种特征成分的有效分离是实现齿轮箱复合故障诊断的核心,也是难点。针对此,提出一种基于优化最小算法(Majorization-Minimization,MM)的稀疏表示方法,并将其应用于齿轮箱齿轮轴承复合故障特征成分的提取与分离。首先,根据齿轮箱中轴承和齿轮在局部故障激励下的瞬态成分存在差异性,利用相关滤波优选来分别构造与轴承和齿轮故障瞬态特征相匹配的过完备字典,建立目标函数;然后,采用所提优化最小算法对稀疏表示目标函数进行优化求解;在此基础上,根据复合故障信号中轴承和齿轮瞬态成分能量的强弱,依次进行稀疏表示及瞬态成分重构,最终实现齿轮箱复合故障特征的提取与分离。通过对仿真和实验信号的分析表明:所提方法能够分别提取复合故障信号中轴承和齿轮的瞬态特征,实现齿轮箱复合故障诊断,验证了所提方法的有效性。

关键词：故障诊断齿轮箱特征提取稀疏表示优化最小算法

来源：评论

学校读者我要写书评

暂无评论

基于残差矩阵估计的稀疏表示目标跟踪算法

引用

物理学报 2016年第19期65卷 62-71页

作者：陈典兵朱明高文王慧利杨航中国科学院长春光学精密机械与物理研究所长春130033 中国科学院大学北京100039

基于稀疏表示的目标跟踪算法多数利用稀疏系数计算目标位置信息,而忽略了稀疏表示过程中的残差所包含的信息.因此,本文设计了一种基于残差矩阵估计的跟踪模型.该模型在粒子滤波的框架下利用L_1范数分别约束稀疏表示系数与残差矩阵,并且... 详细信息

基于稀疏表示的目标跟踪算法多数利用稀疏系数计算目标位置信息,而忽略了稀疏表示过程中的残差所包含的信息.因此,本文设计了一种基于残差矩阵估计的跟踪模型.该模型在粒子滤波的框架下利用L_1范数分别约束稀疏表示系数与残差矩阵,并且利用L_2范数建立残差矩阵与观测模型之间的联系.本文给出了相应求解模型的表示系数与残差矩阵的迭代算法,并利用残差矩阵更新模板字典.相比应用稀疏系数的跟踪算法,本文算法考虑了残差矩阵对跟踪结果的影响,使得算法对于候选目标的评估更加精确,同时在模板更新部分引入残差矩阵,使得字典能够更好地描述目标的变化.实验数据表明,本文算法优于现今主流算法.

关键词：稀疏表示正则化残差矩阵目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于实测冲击响应字典稀疏表示的齿轮系统侧隙故障特征提取

引用

振动与冲击 2017年第11期36卷 86-91页

作者：高洪波刘杰李允公东北大学机械工程与自动化学院沈阳110819 辽宁省交通高等专科学校机电工程系沈阳110122

为了从齿轮系统振动信号中提取由于齿侧间隙故障产生的瞬态冲击成分,提出了基于稀疏表示的故障特征提取方法,将特征提取转化为稀疏字典的构造和稀疏表示系数的求解。根据侧隙故障瞬态冲击的响应特性,提出采用与其更相似的系统实测冲击... 详细信息

为了从齿轮系统振动信号中提取由于齿侧间隙故障产生的瞬态冲击成分,提出了基于稀疏表示的故障特征提取方法,将特征提取转化为稀疏字典的构造和稀疏表示系数的求解。根据侧隙故障瞬态冲击的响应特性,提出采用与其更相似的系统实测冲击响应构造稀疏字典,继而利用正交匹配追踪算法优化求解稀疏表示向量,获得表征瞬态冲击发生时刻的稀疏系数,并重构故障冲击序列。通过冲击成分的包络解调分析,进一步获得瞬态冲击的调制频率。仿真和实验表明,提出的方法能够有效提取齿轮系统齿侧间隙故障特征。

关键词：故障特征提取稀疏表示实测冲击响应齿侧间隙

来源：评论

学校读者我要写书评

暂无评论

稀疏表示噪声抑制算法提升BOTDR系统信噪比的研究

引用

传感技术学报 2022年第6期35卷 763-768页

作者：崔宁刘丽王清琳白清王宇刘盺靳宝全太原理工大学新型传感器与智能控制教育部与山西省重点实验室山西太原030024 山西省交通科技研发有限公司山西太原030024

针对布里渊光时域反射仪(BOTDR)系统信噪比低的问题,利用三维布里渊增益谱(3D-BGS)内部存在的相似性及冗余性,提出基于稀疏表示的BOTDR信噪比提升算法。通过分析稀疏表示基本原理和3D-BGS的空间域相似性,可知随机噪声能够在稀疏重构过... 详细信息

针对布里渊光时域反射仪(BOTDR)系统信噪比低的问题,利用三维布里渊增益谱(3D-BGS)内部存在的相似性及冗余性,提出基于稀疏表示的BOTDR信噪比提升算法。通过分析稀疏表示基本原理和3D-BGS的空间域相似性,可知随机噪声能够在稀疏重构过程中作为残差被丢弃,阐明了降噪算法的可行性。利用离散余弦变换(DCT)构建初始字典,同时采用K-奇异值分解(K-SVD)和正交匹配追踪(OMP)算法进行字典及系数矩阵更新,进而实现三维布里渊增益谱(3D-BGS)的重构和降噪。仿真结果分析表明,当添加10 dBm高斯白噪声时,信噪比提升了5.26 dB。研究证明,稀疏表示算法为应用图像处理方法提高BOTDR系统信噪比供了新的思路及理论依据。

关键词：分布式光纤传感信噪比提升稀疏表示 BOTDR

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的脑电棘波检测算法研究

引用

电子学报 2009年第9期37卷 1971-1976页

作者：孙玉宝吴敏韦志辉肖亮冯灿南京理工大学计算机科学与技术学院模式识别与智能系统实验室江苏南京210094 南京理工大学理学院应用数学系江苏南京210094 南京军区南京总医院江苏南京210002

提出了一种基于稀疏表示的脑电棘波检测算法,首先以高斯函数及其一、二阶导数为原子的生成函数构建了一个冗余多成份字典,再应用匹配追踪算法获取脑电信号在此字典下的M项稀疏逼近,由该逼近的导数信息与原子的结构参数可准确度量瞬时波... 详细信息

提出了一种基于稀疏表示的脑电棘波检测算法,首先以高斯函数及其一、二阶导数为原子的生成函数构建了一个冗余多成份字典,再应用匹配追踪算法获取脑电信号在此字典下的M项稀疏逼近,由该逼近的导数信息与原子的结构参数可准确度量瞬时波形的形态结构特征,进而提出基于形态结构匹配的棘波检测算法,克服了Gabor字典不能识别周期化棘波序列的缺点,同时能够有效去除背景节律与伪迹的影响,检测结果表明该算法针对临床EEG信号的检测率高达93.9%,正确率高达88.0%.

关键词：棘波检测稀疏表示多成份字典匹配追踪形态结构

来源：评论

学校读者我要写书评

暂无评论

采用协方差矩阵稀疏表示的DOA估计方法

引用

西安电子科技大学学报 2016年第2期43卷 58-63,101页

作者：赵永红张林让刘楠解虎西安电子科技大学雷达信号处理国家重点实验室陕西西安710071

针对L1-SRACV算法在低快拍时波达方向估计性能严重下降的问题,分析其原因并提出一种基于快速极大似然算法的波达方向估计新方法.首先利用快速极大似然算法估计协方差矩阵,以解决由于快拍数较低引起协方差矩阵小特征值不稳定的问题.然后... 详细信息

针对L1-SRACV算法在低快拍时波达方向估计性能严重下降的问题,分析其原因并提出一种基于快速极大似然算法的波达方向估计新方法.首先利用快速极大似然算法估计协方差矩阵,以解决由于快拍数较低引起协方差矩阵小特征值不稳定的问题.然后建立了基于快速极大似然算法的稀疏模型进行波达方向估计.最后,为了进一步提高算法在快拍数较小时的性能,选择剔除协方差矩阵的对角元素,并对建立的波达方向估计模型进行了修改.仿真结果表明,所提算法相对于L1-SRACV算法具有高的估计精度和检测概率,尤其是在快拍数较小时仍能获得高的估计精度.

关键词：稀疏表示波达方向估计高分辨协方差矩阵相关信号快速极大似然算法

来源：评论

学校读者我要写书评

暂无评论

基于终止准则改进K-SVD字典学习的稀疏表示特征增强方法

引用

机械工程学报 2019年第7期55卷 35-43页

作者：王华庆任帮月宋浏阳董方王梦阳北京化工大学机电工程学院

针对传统K奇异值分解(K-Singular value decomposition, K-SVD)算法在稀疏表示过程中,由于目标信号稀疏度难以确定以及字典原子受噪声干扰大导致稀疏表示效果较差的问题,结合变分模态分解(Variational mode decomposition, VMD)算法,提... 详细信息

针对传统K奇异值分解(K-Singular value decomposition, K-SVD)算法在稀疏表示过程中,由于目标信号稀疏度难以确定以及字典原子受噪声干扰大导致稀疏表示效果较差的问题,结合变分模态分解(Variational mode decomposition, VMD)算法,提出了基于VMD与终止准则改进K-SVD字典学习的稀疏表示方法。借助VMD算法剔除信号中的干扰分量,依据相关分析与峭度准则选择最优模态分量;采用终止准则改进的K-SVD字典学习算法对最优分量的特征信息进行学习,优化目标函数与约束条件,在无需设置稀疏度的前提下,构造出准确匹配故障冲击成分的字典;此外,构建一种残差阈值改进的正交匹配追踪算法(OMPerr)实现稀疏重构及微弱故障特征增强。通过仿真及试验信号进行验证,结果表明:基于VMD与改进K-SVD字典学习的稀疏表示方法在字典原子构建、稀疏重构精度以及故障特征增强等方面均优于传统K-SVD稀疏表示方法,可以有效实现微弱故障的诊断。

关键词：稀疏表示故障特征增强 K奇异值分解特征提取

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：