Non-convex methods play a critical role in low-rank tensor completion for their approximation to tensor rank is tighter than that of convex methods.But they usually cost much more time for calculating singular values ...Non-convex methods play a critical role in low-rank tensor completion for their approximation to tensor rank is tighter than that of convex methods.But they usually cost much more time for calculating singular values of large tensors.In this paper,we propose a double transformed tubal nuclear norm(DTTNN)to replace the rank norm penalty in low rank tensor completion(LRTC)tasks.DTTNN turns the original non-convex penalty of a large tensor into two convex penalties of much smaller tensors,and it is shown to be an equivalent transformation.Therefore,DTTNN could take advantage of non-convex envelopes while saving time.Experimental results on color image and video inpainting tasks verify the effectiveness of DTTNN compared with state-of-the-art methods.展开更多
与均匀阵列相比,稀疏阵列可以使天线阵列成本降低,减少数据处理,同时带来更大的阵列孔径提高信号解析能力,在信号处理中有着广泛的应用。但是由于其排布的不规则性,计算量较大,二维面阵合成协方差矩阵存在空洞,对角度估计的准确性造成...与均匀阵列相比,稀疏阵列可以使天线阵列成本降低,减少数据处理,同时带来更大的阵列孔径提高信号解析能力,在信号处理中有着广泛的应用。但是由于其排布的不规则性,计算量较大,二维面阵合成协方差矩阵存在空洞,对角度估计的准确性造成负面影响,增强了系统对噪声的敏感度。为了克服这些问题,本文提出了一种新的角度估计方法,采用截断核范数以降低噪声的影响,并通过ℓ_(p)范数优化提升信号的稀疏表示,利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)算法构造子问题恢复出完整的阵列信号。随后采用子阵划分技术和基于最小二乘的传播算子模型(Propagator Method,PM)对恢复的信号处理,精确估计信号源的方位和俯仰角。仿真结果表明,所提出的角度估计算法在角度精度和时间复杂度方面具有优越性。展开更多
针对图像修复过程中,颜色纹理光学属性分离不彻底,以及在稀疏表示图像修复时字典设计单一,导致壁画图像修复结果易出现结构不连贯和模糊效应等问题,提出了一种基于块核范数的鲁棒主成分分析(robust principal component analysis,RPCA)...针对图像修复过程中,颜色纹理光学属性分离不彻底,以及在稀疏表示图像修复时字典设计单一,导致壁画图像修复结果易出现结构不连贯和模糊效应等问题,提出了一种基于块核范数的鲁棒主成分分析(robust principal component analysis,RPCA)分解与熵权类稀疏的壁画修复方法。首先,采用提出的基于块核范数的RPCA图像分解算法,将壁画图像分解为结构层和纹理层,利用块核范数进行纹理矫正操作,克服了RPCA结构纹理分离不完全的问题。然后,提出熵加权k-means方法对结构层图像进行聚类,构建得到稀疏子类字典,并通过奇异值分解和分裂Bregman迭代优化的类稀疏修复方法,完成结构层图像的重构。最后,利用双三次插值算法实现对纹理层图像的修复,将修复后的结构层和纹理层进行融合,完成破损壁画的修复。通过对真实敦煌壁画数字化修复,实验结果表明,该算法能够有效地保护壁画图像的边缘和纹理等重要特征信息,无论从视觉效果还是从峰值信噪比等定量评价方面,提出的方法修复效果均优于比较算法,且修复执行效率更高。展开更多
阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly...阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效提高阵元失效下MIMO雷达的DOA估计性能。展开更多
视频前背景分离的主要目的是从视频中提取感兴趣目标,但是由于噪声、光照变化等的影响使其仍是计算机视觉等领域最具有挑战性的任务之一。截断核范数(truncated nuclear norm,TNN)算法是一种经典的鲁棒主成分分析(robust principal comp...视频前背景分离的主要目的是从视频中提取感兴趣目标,但是由于噪声、光照变化等的影响使其仍是计算机视觉等领域最具有挑战性的任务之一。截断核范数(truncated nuclear norm,TNN)算法是一种经典的鲁棒主成分分析(robust principal component analysis,RPCA)算法,被广泛地应用于视频前背景分离。但是,该算法中的截断核范数对传统鲁棒主成分分析中的秩函数逼近度不高,导致其稳定性不强,对一些复杂场景下的视频前背景分离精度不高。针对该问题,本文提出了一种改进的截断核范数(improved truncated nuclear norm,ITNN)算法。该算法首先采用非凸γ范数替代TNN模型中的核范数,并分析了相对于核范数而言,非凸γ范数对秩函数具有更高的逼近度,同时提出了该算法所对应的模型;其次,为了求解提出的模型,本文引入了广义交替方向乘子法(generalized alternating direction method of multipliers,GADMM)对该模型进行求解;最后,将提出的ITNN算法应用于多个公共视频的前背景分离实验中,并通过展示提取不同视频的前景效果,从视觉角度验证了ITNN算法的有效性。同时,计算提出算法和对比算法提取的视频前景的F-measure值,从量化的角度进一步验证了ITNN算法的有效性。另外,实验还记录了各算法的视频前背景分离的运行时间,验证了ITNN算法的效率。总之,本文通过实验验证了提出的ITNN算法在视频前背景分离中的有效性和优越性。展开更多
基金financially supported by the National Nautral Science Foundation of China(No.61703206)
文摘Non-convex methods play a critical role in low-rank tensor completion for their approximation to tensor rank is tighter than that of convex methods.But they usually cost much more time for calculating singular values of large tensors.In this paper,we propose a double transformed tubal nuclear norm(DTTNN)to replace the rank norm penalty in low rank tensor completion(LRTC)tasks.DTTNN turns the original non-convex penalty of a large tensor into two convex penalties of much smaller tensors,and it is shown to be an equivalent transformation.Therefore,DTTNN could take advantage of non-convex envelopes while saving time.Experimental results on color image and video inpainting tasks verify the effectiveness of DTTNN compared with state-of-the-art methods.
文摘与均匀阵列相比,稀疏阵列可以使天线阵列成本降低,减少数据处理,同时带来更大的阵列孔径提高信号解析能力,在信号处理中有着广泛的应用。但是由于其排布的不规则性,计算量较大,二维面阵合成协方差矩阵存在空洞,对角度估计的准确性造成负面影响,增强了系统对噪声的敏感度。为了克服这些问题,本文提出了一种新的角度估计方法,采用截断核范数以降低噪声的影响,并通过ℓ_(p)范数优化提升信号的稀疏表示,利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)算法构造子问题恢复出完整的阵列信号。随后采用子阵划分技术和基于最小二乘的传播算子模型(Propagator Method,PM)对恢复的信号处理,精确估计信号源的方位和俯仰角。仿真结果表明,所提出的角度估计算法在角度精度和时间复杂度方面具有优越性。
文摘针对图像修复过程中,颜色纹理光学属性分离不彻底,以及在稀疏表示图像修复时字典设计单一,导致壁画图像修复结果易出现结构不连贯和模糊效应等问题,提出了一种基于块核范数的鲁棒主成分分析(robust principal component analysis,RPCA)分解与熵权类稀疏的壁画修复方法。首先,采用提出的基于块核范数的RPCA图像分解算法,将壁画图像分解为结构层和纹理层,利用块核范数进行纹理矫正操作,克服了RPCA结构纹理分离不完全的问题。然后,提出熵加权k-means方法对结构层图像进行聚类,构建得到稀疏子类字典,并通过奇异值分解和分裂Bregman迭代优化的类稀疏修复方法,完成结构层图像的重构。最后,利用双三次插值算法实现对纹理层图像的修复,将修复后的结构层和纹理层进行融合,完成破损壁画的修复。通过对真实敦煌壁画数字化修复,实验结果表明,该算法能够有效地保护壁画图像的边缘和纹理等重要特征信息,无论从视觉效果还是从峰值信噪比等定量评价方面,提出的方法修复效果均优于比较算法,且修复执行效率更高。
文摘阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效提高阵元失效下MIMO雷达的DOA估计性能。
文摘视频前背景分离的主要目的是从视频中提取感兴趣目标,但是由于噪声、光照变化等的影响使其仍是计算机视觉等领域最具有挑战性的任务之一。截断核范数(truncated nuclear norm,TNN)算法是一种经典的鲁棒主成分分析(robust principal component analysis,RPCA)算法,被广泛地应用于视频前背景分离。但是,该算法中的截断核范数对传统鲁棒主成分分析中的秩函数逼近度不高,导致其稳定性不强,对一些复杂场景下的视频前背景分离精度不高。针对该问题,本文提出了一种改进的截断核范数(improved truncated nuclear norm,ITNN)算法。该算法首先采用非凸γ范数替代TNN模型中的核范数,并分析了相对于核范数而言,非凸γ范数对秩函数具有更高的逼近度,同时提出了该算法所对应的模型;其次,为了求解提出的模型,本文引入了广义交替方向乘子法(generalized alternating direction method of multipliers,GADMM)对该模型进行求解;最后,将提出的ITNN算法应用于多个公共视频的前背景分离实验中,并通过展示提取不同视频的前景效果,从视觉角度验证了ITNN算法的有效性。同时,计算提出算法和对比算法提取的视频前景的F-measure值,从量化的角度进一步验证了ITNN算法的有效性。另外,实验还记录了各算法的视频前背景分离的运行时间,验证了ITNN算法的效率。总之,本文通过实验验证了提出的ITNN算法在视频前背景分离中的有效性和优越性。
