基于预条件共轭梯度的超分辨图像重构方法

针对在航空航天遥感领域使用CCD相机对景物进行成像时，由于像元尺寸的限制导致图像分辨率低和混频现象严重的问题，采用超分辨率图像重构技术融合从不同角度对同一景物重复拍照得到的多帧图像冗余信息，在相机参数已知的情况下重构出超分辨率图像，消除和降低了混频效应，同时提出了快速收敛的预条件共轭梯度最优化超分辨图像重构算法．模拟成像仿真实验从9帧低分辨／率欠采样图像重构得到了分辨率提高4倍的图像．     

基于奇异值分解的频率估计新算法

为了提高信号频率估计的精确度，提出了一种新的自适应滑动窗奇异值算法（sliding window adaptive SVD, SWASVD）.该算法基于奇异值算法将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的时频子空间中，从而分离信号信息与其他噪声信息的特点，推导了连续奇异值算法，产生两个辅助矩阵，在行列式处理中，采用减少秩的方法消除噪声，推导出的近似矩阵减少了复杂计算，使用matlab进行仿真，与多重信号分类谱估计法（MUSIC）进行了比较.结果表明，该新算法使用了滑动窗的概念，对陡峭信号变化有很好的鲁棒性，应用该方法可以在频率估计方面获得更准确的结果.     

基于奇异值分解的多载波调制信号盲识别算法

针对高斯白噪声背景条件下,IFFT实现的多载波调制信号类内盲识别问题,提出了一种基于对构造数据矩阵进行奇异值分解的多载波调制信号盲识别算法。在无需知道任何多载波调制信号数据信息和扩频码类型及其长度等先验知识的条件下,根据构造数据矩阵的较大非零奇异值个数,按照简单的判定准则,即可准确判断多载波信号的类型,并取得了良好的效果。无需传统识别算法中特征提取之后复杂的分类器设计,简化了识别流程。理论分析和仿真均验证了算法的正确性和有效性。     

基于奇异值分解和经验模态分解的航空发动机健康信号降噪

提出了一种基于奇异值分解(Singular value decomposition,SVD)和经验模态分解(Empirical mode decomposition,EMD)的信号降噪方法。首先采用EMD方法对原始信号进行分解并提取出信号趋势分量。然后对信号剩余部分采用SVD方法降噪,并根据奇异值差分谱方法自适应选择奇异值进行信号重构。最后将重构后的信号与趋势分量叠加得到最终的降噪信号。采用该方法对模拟信号和实际航空发动机健康信号进行了降噪试验,结果表明:该方法能够准确地选择用于重构信号的奇异值,并能够有效地去除信号噪声。     

基于奇异值分解的RNA二级结构相似度计算方法

针对传统的核糖核酸(RNA)分子结构相似度计算方法存在复杂度高、未能充分考虑二级结构全局信息的缺点,基于一种7维序列编码方法，提出了一种利用矩阵奇异值分解提取RNA二级结构数据分布特征的算法，利用提取出的奇异值向量,基于向量距离进行RNA二级结构相似度比对.通过对Yeast tRNA phe、PSTV、poliovirus mutant 3种RNA分子二级结构构象的实验分析，表明了该方法的可行性和高效性.并将这种方法推广至任意两个RNA分子之间二级结构的相似度衡量，同样取得了不错的效果.     

基于增强的谱分析和奇异值分解的T波交替检测

针对传统谱分析方法在T波交替(TWA)检测中对噪声敏感的缺点,提出将增强的谱分析方法和奇异值分解方法结合起来的TWA检测方法.该方法利用奇异值分解得到去除了噪声干扰的心电信号,克服了传统谱分析方法只能检测平稳信号且需要增大心率的缺点,强调交替水平的重要性,即增强TWA功率谱上0.5cpb处的幅值,实现对TWA的有效分析.研究结果表明：该方法对T波交替数据库中30个人工合成并含有TWA的数据的检出准确率达93.33%,高于传统谱分析方法的TWA阳性检测率,能够提高交替比率.TWA检测率明显高于physionet网站中2008年挑战（TWA检测和定量分析）得分第一的算法实验结果（66.67%）,说明该方法具有更强的TWA识别能力.     

一种基于奇异值分解的奇异性检测新方法

针对信号中的奇异点检测问题,提出了一种利用一维信号序列以连续截断信号方式构造出较小列数和较大行数矩阵的方法,并通过奇异值分解来实现这种检测.分析了该矩阵方式下奇异值分解的信号分解原理,研究了该方法的奇异性检测效果,并与Hankel矩阵方式以及小波检测效果作了比较,将其应用于铣削力信号的奇异性检测.实验结果表明,该方法能有效揭示铣削过程中可能由铣刀或工件问题引起的微小冲击现象,且其各分量指示奇异点位置的脉冲幅值大、宽度小,能与周围高频噪声形成鲜明对比,有利于更准确地判断奇异点的位置.     

奇异值分解识别精密机械热动态特性参数的研究

在精密机械热动态过程的离散化模型基础上,提出一种识别精密机械热动态特性参数的新方法--奇异值分解算法.在分析精密机械零部件的非定常导热问题时,由有限元法获得热动态过程空间离散化模型.采用热模态分析方法实现离散化模型解耦变换,模态坐标下的特性参数为热特征值(广义时间常数的倒数).辨识热动态特性参数的方法是通过构造热脉冲响应矩阵,采用矩阵奇异值分解的方法,以最少的参数和最小的阶次来描述精密机械热动态过程,进而求得热特征值.实测数据表明,该方法能有效地识别热特征值和快速估算出热平衡时间.     

奇异值分解与中心度量的细粒度车型识别算法

针对细粒度车型识别图像分类因存在冗余特征而导致识别率低的问题,提出一种基于奇异值分解与中心度量的细粒度车型识别算法。首先,提出一种基于奇异值分解卷积神经网络,对全连接层的权重矩阵进行奇异值分解后重新赋值并微调,可以去除具有相关性的冗余特征,学习到细粒度级别的区分性特征;其次,提出一种学习不同特征的融合损失方法,将中心距离损失和分类损失进行加权融合,使得学习的特征类内之间的距离更小。实验表明,该方法使用 Residual Network(ResNet)框架在Cars-196细粒度车型数据集上测试,准确率能够达到93.02%,优于目前表现较好的双线性和注意力模型。扩展实验证明该方法同样适用于其他网络框架。     

Analytic decomposition and numerical procedure for solving the singular boundary value problem arising in viscous flows

1. Introduction The drag force due to “skin friction” is a fluid dy- namic resistive force, which is a consequence of the fluid viscous and the pressure distribution on the sur- face of the object [1]. In view of the theoretical analy- sis of the bounda…     

基于Contourlet视觉模型和奇异值分解的图像质量评价

针对基于像素值的图像质量评价方法忽视图像结构信息和需要完全参考图像等问题,提出了一种基于Contourlet域奇异值分解CW-SVD,部分参考图像质量评价方法(contourlet weighted singular value decomposition)。在Contourlet域中,利用奇异值向量对图像结构的表征能力,结合人眼视觉敏感性确定每个子带的视觉权重,得到每个子带的评价测度,再综合得出图像的最终评价指标。实验表明,该方法应用于4种类型的降质图像质量评价时,比峰值信噪比(PSNR、MSSIM)等算法具有更好的稳定性和更好的主客观评价一致性。     

Multi-channel fast super-resolution image reconstruction based on matrix observation model

A multi-channel fast super-resolution image reconstruction algorithm based on matrix observation model is proposed in the paper,which consists of three steps to avoid the computational complexity: a single image SR reconstruction step,a registration step and a wavelet-based image fusion. This algorithm decomposes two large matrixes to the tensor product of two little matrixes and uses the natural isomorphism between matrix space and vector space to transform cost function based on matrix-vector products model to matrix form. Furthermore,we prove that the regularization part can be transformed to the matrix formed. The conjugate-gradient method is used to solve this new model. Finally,the wavelet fusion is used to integrate all the registered highresolution images obtained from the single image SR reconstruction step. The proposed algorithm reduces the storage requirement and the calculating complexity,and can be applied to large-dimension low-resolution images.     

一种基于混合遗传算法的超分辨图像重构方法

针对在航空航天遥感领域,CCD相机在对景物进行成像时,由于像元尺寸的限制,得到的图像分辨率低的问题,提出了采用混合遗传算法求解高分辨图像最优估计的方法．在相机参数已知的情况下用嵌入梯度算子的混合遗传算法从9帧由不同角度对同一景物重复拍照得到的低分辨率图像重构出1幅超分辨率图像．在模拟成像仿真实验中得到了分辨率提高4倍,信噪比优于共轭梯度方法的超分辨结果．     

H.264标准压缩视频的超分辨率重建

为利用低分辨率压缩图像序列来重建高分辨率图像序列,提出一种在凸集投影(POCS)方法框架下基于整数DCT域量化噪声模型的针对H.264标准压缩视频的超分辨率重建方法.首先建立压缩视频的降质退化模型,然后根据H.264标准中的整数DCT变换和量化过程建立整数DCT域的量化噪声模型,最后在凸集投影算法的框架下给出了基于整数DCT域量化噪声的超分辨率重建算法.实验表明该算法的超分辨率重建结果的主观质量提高明显,峰值信噪比可达到30dB,一般迭代5次即可得到良好结果,算法复杂度较低.     

基于奇异值分解行人对齐网络的行人重识别

为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。     

基于奇异值分解行人对齐网络的行人重识别

为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。     

辐射保真的红外遥感图像超分辨率重建

为了解决红外遥感图像超分辨率重建与辐射定标精度保真之间的矛盾,结合正则化超分辨率重建理论,建立了基于二阶总广义变分的超分辨率重建模型。 通过分析重建模型的特点,引入交替方向乘子法进行数值求解;重建过程利用双边滤波器原理,将图像的高低频信息分离;针对分离后高频信息图像进行重建处理,将低频信息图像与重建后的高频信息图像融合达到超分辨率的目的。 利用风云四号气象卫星得到的真实红外图像进行实验验证和定量化分析,表明该方法对辐射定标精度的影响要小于常规意义下的超分辨率重建的影响。     

Higherorder singular value decomposition- and total variation- regularized multiplicative noise removal model

Smoothness, sparsity and self-similarity are the priors widely used in image denoising due to their importance in representing natural images. Motivated by the collaborative roles of higher order singular value decomposition and total variation regularization, a new approach that can simultaneously capture the above priors is proposed in this paper for removing the multiplicative noises. By taking advantages of local adaptiveness, sparsity and self-similarity realized by higher order singular value decomposition, the proposed approach starts with similar-patch-group-wise adaptive denoising on the log-transformed image, followed by the iterative optimization implemented by the total variation constraint which considers the prior of smoothness. Experiments demonstrate the advantages of the proposed approach in removing multiplicative noise and preserving the details near the edges and in the texture area.     

高频地波雷达海洋表面流方位的超分辨估计

在对洋流相关性分析的基础上，提出了一种适用于高频地波雷达海洋表面流方位的超分辨估计方法，首先对阵列输出做预处理，在频域中对海洋表面流信号进行分离，提取可能存在海浪信号的谱点。然后采用前后向空间平滑技术，去掉海洋信号间的相关性，最后用MUSIC方法在频域上进行DOA估计，实测数据处理结果证明了文中所提出的超分辨方法的有效性和实用性。     

反对称提升小波及其在影像分解与重建中的应用

从Gaussian函数出发,根据尺度呈级数变化的特点,导出了反对称提升小波滤波器。该滤波器低通响应关于原点对称,高通响应关于原点反对称,而且截断误差很小,具有近似的紧支撑性和平滑性。并以此为基础,实现了影像的分解与重建算法。