【摘 要】
：
图像恢复问题是图像处理与计算机视觉中最基本的问题之一。现实生活中的图像在实际传输、转换过程中很容易因为外界环境或者设备问题导致图像部分像素缺失或者产生噪声,进而影响图像在后续应用中的使用。因此,如何解决图像像素缺失和噪声干扰是图像恢复问题中的研究热点。本文通过对矩阵填充和张量鲁棒主成分分析方法展开研究,致力于解决图像修复和图像去噪两类问题,主要工作可以分为如下两部分:第三章,利用矩阵填充方法解决图
论文部分内容阅读
图像恢复问题是图像处理与计算机视觉中最基本的问题之一。现实生活中的图像在实际传输、转换过程中很容易因为外界环境或者设备问题导致图像部分像素缺失或者产生噪声,进而影响图像在后续应用中的使用。因此,如何解决图像像素缺失和噪声干扰是图像恢复问题中的研究热点。本文通过对矩阵填充和张量鲁棒主成分分析方法展开研究,致力于解决图像修复和图像去噪两类问题,主要工作可以分为如下两部分:第三章,利用矩阵填充方法解决图像修复问题。本章结合自然图像的低秩先验和局部光滑先验,提出一类基于改进的二阶全变分正则化的双非凸矩阵填充模型（DNMS-TV）。首先,利用改进的二阶全变分正则化刻画图像的局部光滑性,以此保留了图像更多的边缘信息与细节信息,同时也避免了传统的全变分正则化在处理图像时产生的阶梯效应。其次,利用一般形式的加权非凸奇异值函数近似矩阵秩函数,提高了对图像低秩性的刻画。同时通过对加权非凸奇异值函数进行分析,得到了权重变量的自适应迭代公式。最后,基于交替方向乘子法设计优化算法,求解本章提出的矩阵填充模型。数值实验结果表明本章基于多种图像先验知识构建的矩阵填充模型,相比于仅通过图像低秩先验提出的修复算法来说,有着更加优秀的图像修复效果。第四章,利用张量鲁棒主成分分析方法解决图像去噪问题。针对基于张量核范数的张量鲁棒主成分分析模型（TNN-TRPCA）存在的不足,对模型进行改进。由于基于T-SVD分解定义的张量核范数具有较弱的诱导低张量Tubal秩解的能力,本章利用参数化非凸惩罚函数,从近似矩阵秩函数这一角度出发,定义一类新的非凸张量范数,并将其用于刻画TNN-TRPCA中的低秩张量,构建非凸张量鲁棒主成分分析模型（NTRPCA）。在NTRPCA模型的基础上,对张量l1范数无法准确估计张量稀疏度这一问题展开深入研究,利用参数化非凸惩罚函数定义新的稀疏张量正则化项,进一步构建双非凸张量鲁棒主成分分析模型（DNTRPCA）。运用交替方向乘子法求解提出的两类非凸优化模型,给出求解过程中各变量对应的子问题的求解方法。通过对公开图像集中的多张彩色图像展开图像去噪实验,验证本章提出的方法在去除彩色图像噪声上的有效性与优越性。
其他文献
图像融合是信息处理领域的重要课题,旨在从信息互补的两张或多张图像中提取出完整的视觉信息,融合生成一张信息丰富、边缘清晰的图像。融合图像更符合人眼视觉系统感知习惯,并能够为后续的计算机视觉感知提供易于辨别的特征。图像融合任务的挑战在于如何在融合图像中保留显著且完整的源图像信息。近年来,随着卷积神经网络技术的快速发展,图像融合技术取得了令人瞩目的进步,但是大部分的方法仅仅局限于处理单一的图像融合任务,
对于高校学生来说,除了学习以外还有其他的业余活动,有的学生有丰富的兴趣爱好,还有的学生兴趣爱好比较匮乏。在心理学中,兴趣作为人们内在的一种力量,对个人未来的发展起重大影响。通过调研发现,当前关于学生兴趣的研究大多基于社交网络或者单一维度特征,很少从多元特征出发对学生兴趣进行研究,本文基于教育数据从多元特征出发对学生兴趣进行了研究。本文首先对学生数据进行了分析,希望从海量数据集中挖掘有效的学生兴趣信
3D打印在不同领域得到了广泛应用。路径规划是3D打印过程中的一个重要环节,优化路径规划方法不仅可以提高成型质量,还可以提高打印效率。然而,传统路径规划方法在打印复杂薄壁结构时效果不理想。本文首先利用强化学习的智能性,提出了一种基于Q-learning的适用于复杂薄壁结构的路径规划方法。首先将强化学习中的路径规划任务转换为全遍历问题,以提高打印效率和成型质量为优化目标,即最小化打印头的总启停次数和转
物联网在现代社会得到了广泛的部署,比如消防预警、边境反恐和智慧农业等,这些应用要求物联网具有较低的数据延迟和较高的生命周期。无标度物联网模型可以抵抗节点由于能源耗尽和硬件故障发生的随机损耗,而在针对网络中关键节点的恶意攻击下却十分脆弱。因此,提升无标度物联网的鲁棒性,维持网络在恶意攻击下的连通性极其重要。神经网络模型对于序列建模任务具有极强的特征提取能力。将拓扑鲁棒性优化问题转化为序列预测任务可以
3D打印技术因其高度定制化等优势,目前广泛应用于骨外科的缺损修复手术中。仿生骨的研究分为两个阶段,对仿生骨建模和打印实体。建模方式分为两类,使用螺旋CT扫描骨关节和构建多孔结构晶胞。螺旋CT扫描的缺点在于无法重建骨质内部多孔结构,而简单多孔结构晶胞边缘尖锐,机械性能不好。本文提出了一种基于三周期极小曲面的仿生骨设计与优化算法。如果直接使用宏观尺度优化算法优化微孔径,会存在计算机内存不足、计算效率低
共识算法作为区块链的底层核心技术,能够在去中心（多中心）的分布式环境下保持不同节点间数据账本的一致,是维系区块链系统稳定运行的关键所在。当前联盟区块链中应用最为广泛的共识算法是实用拜占庭容错共识算法（Practical Byzantine Fault Tolerance,PBFT）,作为传统分布式领域的一致性协议,PBFT算法在应用于区块链系统时,还需要在性能和可靠性方面再进行针对性地设计和优化。
在大数据时代,众包平台收集数据越来越方便,同一个问题可以从不同源获得很多答案,这些答案甚至彼此冲突。因此,如何从众多答案中获得真实信息（即,真值）一直是一个研究的热点问题。众多学者提出了各种真相发现方法,但是现有的方法只能处理分类类型数据或数值类型数据,而没有办法很好的应用到文本类型数据。基于上述问题,本文旨在研究如何对中文文本数据进行真相发现。中文词语有其特殊的语义特征,不同的词语可能表达相同或
跨模态检索是通过关联不同类型数据的语义来实现多个模态数据之间交叉检索的一种方式。由于哈希技术具有查询速度快和存储空间小的特性,近年来产生了许多跨模态哈希方法。现有的跨模态哈希算法大多局限于图像和文本数据,但在实际应用中,多媒体数据通常具有两个及以上的媒体类型,使得以往的检索算法难以取得很好的效果。为此,本文提出两种多模态数据检索算法,分别解决数据样本间的高阶关系和数据实例未配对两个问题。针对数据之
作为计算机视觉领域中的经典研究方向,异常检测有着非常广泛的应用前景。表面缺陷检测是工业生产过程中一个极其重要的环节。传统的缺陷检测解决方案大多基于机器视觉或监督式学习范式。这些方法需要借助于大量缺陷监督样本,但在生产过程中难以获取足够的缺陷数据,由于各种随机因素,检测阶段也不易识别出全部的缺陷类型。随着近些年深度无监督学习的发展,自编码器或生成对抗网络被广泛应用于表面缺陷检测问题中,仅仅依赖于良品
随着物联网、云计算、大数据等新一代信息通信技术不断融入工业研发、生产、服务和管理等各个环节,跨领域集成应用的需求日益迫切。然而,现阶段多数物联网应用仍针对特定领域的闭环应用,缺少跨领域跨行业的应用共享和资源优化,成为制约物联网发展的重要因素。为了实现移动物联网内计算卸载的跨领域应用共享,本文将基于边缘计算对其资源协同优化进行深入研究。首先,针对延迟敏感的医疗物联网远程健康监测场景,本文提出了一种基