改进TV-H-1模型的图像修复方法

为改善现存图像修复算法在修复时存在的"灰度跳变"现象,同时降低运行复杂度,提出一种基于偏微分方程模型(称为Isophote-TV-H-1模型)和改进Criminisi算法的数字图像修复算法.首先利用图像分解模型(TV-H~(-1))获得缺损图像的结构部分和纹理部分;然后用Isophote-TV-H-1模型和改进的Criminisi算法分别对缺损图像的结构部分和纹理部分进行修复;最后将修复后的结构部分和纹理部分进行叠加得到最终的修复结果.实验结果表明,本模型与TV模型相比,能够较好地修复缺损区域中的纹理信息;与Criminisi算法相比,本模型通过对相似度度量方法的改进,有效地抑制了图像修复过程中的误差传播,并利用局部搜索(图像局部相似性)来替代传统的穷尽搜索,进而提高算法的效率.同传统的基于图像分解的图像复原算法以及TV模型相比,本模型能解决"灰度跳变"问题,获得更好的修复结果.     

基于改进增广拉格朗日乘子法的鲁棒性主成分分析

针对增广的拉格朗日乘子法在求解鲁棒性主成分分析,特别是当数据同时受到稀疏噪声和高斯噪声的干扰时,计算精度会降低,数据降维去噪任务不能很好完成的情况,提出改进的增广拉格朗日乘子法来解决上述问题.一是用基于最优乘子初始化的改进增广拉格朗日乘子法来提高算法的计算精度,二是针对鲁棒性主成分分析,提出一个带高斯噪声的凸优化模型.实验结果表明,本文提出的最优乘子初始化改进算法赋予增广的拉格朗日乘子法一个最优的拉格朗日乘子,从而提高算法的计算精度,而凸优化模型能够清晰地将高斯噪声和稀疏噪声从数据矩阵中分离出去,进而提高数据对高斯噪声的鲁棒性.     

基于最小交叉熵的相关向量机

研究了传统相关向量机(RVM)的性能,分析了传统RVM的性能完全取决于先验假设的连接权值和参数的平滑性,因而其稀疏性实际上仍受核函数或核参数选择的控制,这在某些情况下可能会导致严重的欠拟合或过拟合现象的问题,在此基础上,提出了明确地给出基函数优化过程中的目标数量,并通过最小化训练阶段前向“假定”概率分布和测试阶段反向“真实”概率分布间的交叉熵来构建RVM的方法.实验结果表明,这种方法不但可以构建最小复杂度的基于最小交叉熵的RVM结构,而且构建的RVM能很好地对数据进行拟合,提高预测的准确性,增强其稀疏性.