为了解决张量鲁棒主成分分析(tensor robust principal component analysis,TRPCA)还原低秩结构时同等收缩奇异值造成的信息提取偏差问题,本文考虑区别对待奇异值,使用非凸加权张量Schatten-p范数(0<p<1)分析张量数据,可减少对奇...为了解决张量鲁棒主成分分析(tensor robust principal component analysis,TRPCA)还原低秩结构时同等收缩奇异值造成的信息提取偏差问题,本文考虑区别对待奇异值,使用非凸加权张量Schatten-p范数(0<p<1)分析张量数据,可减少对奇异值的惩罚。为解决数据受损严重难以恢复的问题,提出低秩预分离的方法实现近似低秩部分和近似稀疏部分的预先分离;为增强高阶张量之间相关性同时降低数据对特定噪声的敏感性,提出随机抖动正则器的机制对预分离后成分分别选取随机区域优化,利用噪声信息的随机性来正则化算法得以约束模型的复杂度;最后使用不同类型的图像数据集,包括彩色图像、核磁共振图像、高光谱及多光谱图像和灰度视频,进行高维数据恢复实验。结果表明该方法在图像恢复性能上明显优于其他TRPCA方法,并且在数据受损严重时同样具有优势,有效提取主成分信息的同时减小数据对特定噪声的依赖,具有较强的鲁棒性和适应性,可为TRPCA方法在图像恢复领域中提供参考。展开更多
为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极...为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极化SAR。该方法采用目标级的分类策略,首先,通过简单线性迭代聚类方法实现多时相极化SAR的超像素联合分割;随后,将目标的极化协方差矩阵表示为张量的形式,利用张量域的多线性主成分分析方法,实现多时相极化协方差矩阵的特征降维;最后,用决策树方法实现农作物分类。获取4景RADARSAT-2 Fine Quad模式全极化SAR图像,对天津市武清区农作物种植区开展作物分类实验,相较于其他文献提出的方法,本文方法取得了最高的总体分类精度。进一步,将该方法推广至π/4模式和CTLR模式的简缩极化SAR,并将其农作物分类精度与全极化SAR进行对比,以研究不同极化SAR数据对作物的识别能力。实验结果表明,简缩极化SAR可以取得与全极化SAR相当的总体分类精度,但全极化SAR在水稻、荷花等小样本地物上表现更优。展开更多
文摘为了解决张量鲁棒主成分分析(tensor robust principal component analysis,TRPCA)还原低秩结构时同等收缩奇异值造成的信息提取偏差问题,本文考虑区别对待奇异值,使用非凸加权张量Schatten-p范数(0<p<1)分析张量数据,可减少对奇异值的惩罚。为解决数据受损严重难以恢复的问题,提出低秩预分离的方法实现近似低秩部分和近似稀疏部分的预先分离;为增强高阶张量之间相关性同时降低数据对特定噪声的敏感性,提出随机抖动正则器的机制对预分离后成分分别选取随机区域优化,利用噪声信息的随机性来正则化算法得以约束模型的复杂度;最后使用不同类型的图像数据集,包括彩色图像、核磁共振图像、高光谱及多光谱图像和灰度视频,进行高维数据恢复实验。结果表明该方法在图像恢复性能上明显优于其他TRPCA方法,并且在数据受损严重时同样具有优势,有效提取主成分信息的同时减小数据对特定噪声的依赖,具有较强的鲁棒性和适应性,可为TRPCA方法在图像恢复领域中提供参考。
文摘为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极化SAR。该方法采用目标级的分类策略,首先,通过简单线性迭代聚类方法实现多时相极化SAR的超像素联合分割;随后,将目标的极化协方差矩阵表示为张量的形式,利用张量域的多线性主成分分析方法,实现多时相极化协方差矩阵的特征降维;最后,用决策树方法实现农作物分类。获取4景RADARSAT-2 Fine Quad模式全极化SAR图像,对天津市武清区农作物种植区开展作物分类实验,相较于其他文献提出的方法,本文方法取得了最高的总体分类精度。进一步,将该方法推广至π/4模式和CTLR模式的简缩极化SAR,并将其农作物分类精度与全极化SAR进行对比,以研究不同极化SAR数据对作物的识别能力。实验结果表明,简缩极化SAR可以取得与全极化SAR相当的总体分类精度,但全极化SAR在水稻、荷花等小样本地物上表现更优。
