期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
压缩感知的矩阵低秩稀疏分解目标跟踪算法 被引量:1
1
作者 刘占林 王琰 杨大为 《小型微型计算机系统》 CSCD 北大核心 2017年第4期881-885,共5页
针对复杂场景下目标跟踪过程中目标遮挡、光照变化、快速运动等问题,提出一种压缩感知的矩阵低秩稀疏分解目标跟踪算法.该算法对跟踪区域提取特征向量压缩感知,用压缩域特征构建目标外观模型产生观测矩阵.采用非精确增广拉格朗日乘... 针对复杂场景下目标跟踪过程中目标遮挡、光照变化、快速运动等问题,提出一种压缩感知的矩阵低秩稀疏分解目标跟踪算法.该算法对跟踪区域提取特征向量压缩感知,用压缩域特征构建目标外观模型产生观测矩阵.采用非精确增广拉格朗日乘子法对观测矩阵低秩稀疏分解,获得各个候选目标的稀疏误差向量并构建误差矩阵.通过求解误差矩阵最小1-范数问题得到目标估计,并对目标模板字典在线更新适应目标外观变化.实验结果表明,算法在目标发生部分遮挡、光照变化、快速运动等复杂情况下,能够实现目标的鲁棒跟踪。 展开更多
关键词 目标跟踪 压缩感知 矩阵低秩稀疏分鳃 稀疏表示 增广拉格朗日乘子法
大矩阵压缩特征目标的低秩跟踪算法 预览
2
作者 杨大为 刘占林 王琰 《电子测量与仪器学报》 CSCD 北大核心 2017年第6期833-838,共6页
针对压缩感知的矩阵低秩稀疏分解目标跟踪算法实时性差的问题,提出一种大矩阵压缩特征目标的低秩跟踪算法。该算法通过将大矩阵分成多个小矩阵的方法构建观测矩阵,进行矩阵低秩稀疏分解,获得各候选目标的误差向量并构建误差矩阵,求解误... 针对压缩感知的矩阵低秩稀疏分解目标跟踪算法实时性差的问题,提出一种大矩阵压缩特征目标的低秩跟踪算法。该算法通过将大矩阵分成多个小矩阵的方法构建观测矩阵,进行矩阵低秩稀疏分解,获得各候选目标的误差向量并构建误差矩阵,求解误差矩阵列向量最小1-范数问题得到跟踪结果。为了适应跟踪过程中目标外观信息的变化,基于向量相似度判别有选择地更新字典。在跟踪结果不可信时,利用轨迹修正更新当前帧跟踪结果。通过6个典型视频序列上的对比实验,新算法的实时性是原算法的3倍。实验结果表明,在目标发生部分遮挡、光照变化、快速运动时,所提出的算法能实现目标的鲁棒跟踪。 展开更多
关键词 压缩感知 矩阵低秩稀疏分解 稀疏表达 增广拉格朗日乘子法 向量相似度
在线阅读 下载PDF
基于稀疏与低秩矩阵分解的视频背景建模 预览 被引量:6
3
作者 周密 宋占杰 《计算机应用研究》 CSCD 北大核心 2015年第10期3175-3178,共4页
针对传统背景建模方法的缺点,基于稀疏与低秩矩阵分解理论,在增广拉格朗日乘子法框架下,研究了一种收敛更快的非精确增广拉格朗日乘子法(IALM),直接实现监控视频序列中背景和前景的分离。该算法采用块Lanczos方法和热启动技术实现部... 针对传统背景建模方法的缺点,基于稀疏与低秩矩阵分解理论,在增广拉格朗日乘子法框架下,研究了一种收敛更快的非精确增广拉格朗日乘子法(IALM),直接实现监控视频序列中背景和前景的分离。该算法采用块Lanczos方法和热启动技术实现部分奇异值分解,使得原有IALM的计算量和迭代次数得以控制。基于实际监控视频的实验结果表明,该算法恢复出的背景矩阵更为低秩,且运行时间下降了几十倍,即能够更加简洁高效地解决背景建模这一实际问题。 展开更多
关键词 背景建模 稀疏与低秩矩阵分解 增广拉格朗日乘子法 奇异值分解 块Lanczos 热启动
在线阅读 下载PDF
基于S1/2建模的稳健稀疏-低秩矩阵分解 被引量:8
4
作者 饶过 彭毅 徐宗本 《中国科学:信息科学》 CSCD 2013年第6期733-748,共16页
为实现稳健的稀疏-低秩矩阵分解,本文首次引入矩阵的S1/2范数以诱导矩阵的低秩性来构建新模型,并在ADMM算法框架下设计了高效的交替阈值迭代算法.该算法采用增广Lagrange乘子技术,在迭代过程中交替更新低秩矩阵和稀疏矩阵.由于这... 为实现稳健的稀疏-低秩矩阵分解,本文首次引入矩阵的S1/2范数以诱导矩阵的低秩性来构建新模型,并在ADMM算法框架下设计了高效的交替阈值迭代算法.该算法采用增广Lagrange乘子技术,在迭代过程中交替更新低秩矩阵和稀疏矩阵.由于这两个矩阵的最优更新具有显式形式、算法整体的计算精度和时间代价得以控制.大量的数值模拟实验说明:相较于目前最好的不精确ALM算法,交替闽值迭代算法的迭代次数与时间代价大幅降低,对噪声更为稳健,分解出的低秩矩阵的秩与稀疏矩阵的稀疏度更接近于真实值.在对监控视频进行背景建模这一实际问题中,交替闽值迭代算法得到的背景矩阵更为低秩,更符合问题先验,且时间代价相较于不精确ALM算法降幅高达一个数量级,这说明新模型与算法能有效解决相关实际问题. 展开更多
关键词 S1 2范数 稀疏-低秩矩阵分解 快速稳健 交替阈值迭代
小样本的高光谱图像降噪与分类 被引量:3
5
作者 崔宾阁 马秀丹 谢小云 《遥感学报》 CSCD 北大核心 2017年第5期728-738,共11页
在样本数目稀少情况下实现高光谱图像精细分类是个挑战性的问题。高光谱图像信噪比提高比较困难,噪声大小对分类结果有最直接的影响。利用高光谱图像相邻波段之间的相关性和相邻像素之间的相关性,提出多级降噪滤波的高光谱图像分类方法... 在样本数目稀少情况下实现高光谱图像精细分类是个挑战性的问题。高光谱图像信噪比提高比较困难,噪声大小对分类结果有最直接的影响。利用高光谱图像相邻波段之间的相关性和相邻像素之间的相关性,提出多级降噪滤波的高光谱图像分类方法,通过改进的两阶段稀疏与低秩矩阵分解方法,去除高光谱图像中能量较高的噪声,利用主成分分析方法去除高光谱图像中能量较低的噪声,引导滤波方法去除分类结果图中的“椒盐噪声”。选取两幅真实高光谱图像进行实验,结果表明,两阶段稀疏与低秩矩阵分解法和主成分分析法两种降噪方法具有较强的互补性;引导滤波方法使得分类图更加平滑且分类精度更高。与其他光谱空间分类方法相比,本文方法分类精度更高,且在样本极少时能获得很高的分类精度。 展开更多
关键词 高光谱图像分类 特征提取 稀少样本 稀疏与低秩 矩阵分解
基于L2,1范数正则化矩阵分解的图像结构化噪声平滑算法 预览 被引量:3
6
作者 张怡婷 陈蕾 +1 位作者 杨雁莹 甄永贺 《南昌大学学报:理科版》 CAS 北大核心 2015年第5期426-431,共6页
图像去噪是数字图像处理的必要环节,对后续图像处理、分析和应用的效果有重要影响。现有基于稀疏低秩矩阵分解的图像去噪算法虽然在处理高斯、椒盐等均匀随机噪声时效果良好,但无法有效处理实际应用中可能遇到的结构化噪声问题。针对该... 图像去噪是数字图像处理的必要环节,对后续图像处理、分析和应用的效果有重要影响。现有基于稀疏低秩矩阵分解的图像去噪算法虽然在处理高斯、椒盐等均匀随机噪声时效果良好,但无法有效处理实际应用中可能遇到的结构化噪声问题。针对该缺陷,本文引入L2,1范数将结构化噪声情形下的图像去噪问题建模为一类L2,1范数正则化矩阵分解问题,并由此提出一种基于L2,1范数正则化矩阵分解的图像结构化噪声平滑算法(L21NRMD)。仿真实验结果表明,在基本保持椒盐噪声去除效果的前提下,该算法可有效去除不同比例的结构化噪声,PSNR性能指标值介于69-80dB之间,差错率为0.06-0.14,较现有算法具有更好的适应性和更广的应用范围。 展开更多
关键词 图像去噪 稀疏低秩矩阵分解 交替方向乘子法 L2 1范数 结构化噪声
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈